# 低訓練損失

該模型是基於Audio Spectrogram Transformer (AST)架構的音頻分類模型，在Audioset數據集上預訓練後，又在GTZAN音樂流派分類數據集上進行了微調。

該模型是基於 Audio Spectrogram Transformer (AST) 在 GTZAN 音樂分類數據集上微調的版本，用於音頻分類任務，準確率達到 88%。

基於distilhubert在GTZAN數據集上微調的音頻分類模型，準確率達83%

該模型是基於facebook/wav2vec2-base微調的語音意圖分類模型，在評估集上F1分數達到0.875。

該模型是基於albert-base-v2的掩碼語言模型，專門針對電子產品屬性糾正任務進行了微調

基於bert-base-uncased微調的關鍵詞提取模型，適用於英文文本的關鍵詞抽取任務

這是一個基於 LibriSpeech 數據集訓練的自動語音識別(ASR)模型，能夠將英語語音轉換為文本。

這是一個基於AutoNLP訓練的抽取式問答模型，能夠從給定文本中提取問題的答案。

基於bert-base-multilingual-uncased模型微調的多語言文本分類模型

一個基於深度學習的文本分類模型，在驗證集上表現出較高的F1分數和ROC AUC值。