AIbase
TW
模型選型
標籤
短音頻處理

# 短音頻處理

Whisper Large V3 Voice Quality
基於Whisper Large v3的語音質量分類模型，用於分析語音的音高、音質、音量、清晰度和節奏等特徵。
音頻分類 Safetensors 英語
W
tiantiaf
162
1
Whisper Large V3 Broad Accent
Bsd-3-clause
基於Whisper-Large-v3的英語廣泛口音分類模型，可識別不列顛群島、北美地區和其他三類英語口音
音頻分類 Safetensors 英語
W
tiantiaf
156
1
Gemma 3 4b It Speech
Gemma-3-MM是基於Gemma-3-4b-it擴展的多模態指令模型，新增語音處理能力，可處理文本、圖像和音頻輸入，生成文本輸出。
音頻生成文本 Transformers
G
junnei
383
12
Teochew Whisper Medium
MIT
基於Whisper中型模型微調的潮汕話(潮州話)語音識別模型，專門用於識別中國南方閩南語系的潮汕方言。
語音識別 Transformers
T
efficient-nlp
194
31
Wavlm Basic S F O 8batch 10sec 0.0001lr Unfrozen
基於microsoft/wavlm-large微調的語音處理模型，在評估集上達到80%準確率和79.57% F1分數
音頻分類 Transformers
W
reralle
14
0
Wav2vec2 S F O 8batch 5sec 0.0001lr Unfrozen
Apache-2.0
基於facebook/wav2vec2-large微調的語音處理模型，支持語音識別任務
語音識別 Transformers
W
reralle
21
0
Wavlm Basic S R 5c 8batch 5sec 0.0001lr Unfrozen
基於microsoft/wavlm-large微調的語音處理模型，在評估集上準確率達75%
音頻分類 Transformers
W
reralle
16
0
Wavlm Basic N F N 8batch 5sec 0.0001lr Unfrozen
基於microsoft/wavlm-large微調的語音處理模型，在評估集上準確率達73.33%
音頻分類 Transformers
W
reralle
14
0
DENTAL CLICK Classifier
基於Wav2vec2架構的語音識別模型，專門用於識別語音中的齒齦搭嘴音。
語音識別 Transformers 英語
D
JBJoyce
24
0
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase