Vit Base Patch16 1024 128.audiomae As2m Ft As20k
基於視覺變換器(ViT)的音頻處理模型,通過自監督掩碼自編碼器(MAE)方法在AudioSet-2M上預訓練並在AudioSet-20k上微調
音頻分類
V
gaunernst
335
2
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 12 12 0.447
Bsd-3-clause
基於AudioSet數據集微調的音頻頻譜變換器(AST),採用ViT架構處理音頻頻譜圖,在多個音頻分類基準測試中表現優異。
音頻分類
Transformers

A
MIT
25
0
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 0.448
Bsd-3-clause
基於AudioSet數據集微調的音頻頻譜圖變換器(AST),採用視覺變換器結構處理音頻頻譜圖,在音頻分類任務中表現優異。
音頻分類
Transformers

A
MIT
326
0
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
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98