AIbase
TW
模型選型
標籤
端到端學習

# 端到端學習

Wavlm Bert Fusion S Emotion Russian Resd
基於WavLM和BERT的多模態融合模型，適用於語音和文本的聯合任務處理。
語音識別 Transformers
W
Aniemore
298
3
Control V11p Sd15 Inpaint
Openrail
ControlNet v1.1 是基於 Stable Diffusion 的修復圖像條件控制模型，用於圖像修復任務。
圖像生成 其他
C
lllyasviel
38.44k
118
Sd Controlnet Scribble
Openrail
ControlNet是一種通過塗鴉圖像條件控制擴散模型的神經網絡結構，可精確生成符合草圖輪廓的圖像。
圖像生成 其他
S
lllyasviel
5,395
54
Ast Finetuned Audioset 16 16 0.442
Bsd-3-clause
基於AudioSet數據集微調的音頻頻譜變換器，採用視覺變換器架構處理音頻頻譜圖，在音頻分類任務中表現優異。
音頻分類 Transformers
A
MIT
35
1
Ast Finetuned Audioset 14 14 0.443
Bsd-3-clause
基於AudioSet數據集微調的音頻頻譜圖變換器，將音頻轉換為頻譜圖後使用視覺變換器架構處理，在音頻分類任務中表現優異。
音頻分類 Transformers
A
MIT
194.20k
5
Ast Finetuned Audioset 10 10 0.448 V2
Bsd-3-clause
基於AudioSet數據集微調的音頻頻譜圖變換器，將音頻轉換為頻譜圖後使用視覺變換器處理，在音頻分類任務中表現優異。
音頻分類 Transformers
A
MIT
2,072
0
Ast Finetuned Audioset 10 10 0.450
Bsd-3-clause
基於AudioSet數據集微調的音頻頻譜變換器，採用ViT架構處理音頻頻譜圖，在音頻分類任務中表現優異。
音頻分類 Transformers
A
MIT
109
4
Ast Finetuned Audioset 10 10 0.4593
Bsd-3-clause
音頻頻譜圖變換器（AST）是基於AudioSet微調的模型，將音頻轉換為頻譜圖後應用視覺變換器進行音頻分類。
音頻分類 Transformers
A
MIT
308.88k
311
Wav2vec2 Base Timit Demo Colab
Apache-2.0
基於facebook/wav2vec2-base模型微調的語音識別模型，適用於TIMIT數據集演示
語音識別 Transformers
W
roshantushar
24
0
Wav2vec Speech Project
一個基於wav2vec架構的語音處理模型，具體用途和訓練數據未明確說明
語音識別 Transformers
W
maryam359
16
0
Wav2vec2 Large Xls R 3
Apache-2.0
該模型是基於facebook/wav2vec2-xls-r-300m在通用語音數據集上微調的版本，適用於語音識別任務。
語音識別 Transformers
W
chaitanya97
20
0
Fasnettac Paper
基於Asteroid框架訓練的音頻分離模型，專門用於處理帶噪聲的多通道音頻信號分離任務
聲音分離
F
popcornell
21
3
Wav2vec2 Xls R 300m Demo Colab
Apache-2.0
該模型是基於facebook/wav2vec2-xls-r-300m在common_voice數據集上微調的語音識別模型
語音識別 Transformers
W
Mahalakshmi
16
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