# 音頻分類

這是AST(Audio Spectrogram Transformer)模型的ONNX版本，專為音頻分類任務設計，在AudioSet數據集上進行了微調。

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。

基於wav2vec2架構的音頻分類模型，適用於氣候相關的聲音分類任務

該模型用於將音頻片段分類為'Suno'音樂或'People'音樂。

基於openai/whisper-tiny微調的語音分類模型，在語音命令數據集上表現優異

基於distilhubert微調的音頻分類模型，在評估集上達到100%準確率

從SeamlessM4Tv2-Large中提取的語音編碼器模塊，擅長跨語言和多語言的序列級音頻分類任務

基於Wav2Vec2的音頻分類模型，用於識別音樂流派

該模型是基於AST架構在GTZAN音樂分類數據集上微調的音頻分類模型，準確率達89%

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%。

這是一個用於分類越南語方言的音頻分類模型，在評估集上F1分數達到0.8217。

基於wav2vec2-large-xlsr-53-english微調的嬰兒哭聲分類模型，準確率達81.5%

基於Wav2Vec2 Large XLSR-53模型微調的語音情感識別系統，能夠識別7種常見情感

基於MIT/ast-finetuned-audioset-10-10-0.4593微調的合成語音檢測模型，用於識別音頻是否為合成語音。

該模型是基於DistilHuBERT微調的音頻分類模型，專門用於區分音樂與非音樂音頻。

基於wav2vec預訓練模型在superb數據集上微調的5分類音頻分類模型

基於facebook/wav2vec2-base微調的語音情感分析模型，在評估集上達到70.87%的準確率

基於wav2vec2-base模型在音頻文件夾數據集上微調的音頻分類模型，驗證集準確率達99.82%

基於facebook/wav2vec2-base-960h微調的音頻分類模型，用於檢測暴力聲音

基於Whisper Medium模型微調的語言識別模型，專門用於FLEURS數據集上的語言分類任務

基於facebook/wav2vec2-base微調的音頻分類模型，在評估集上達到58.92%的準確率

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

基於wav2vec2架構的音頻分類模型，在GTZAN數據集上微調，用於音樂和語音分類任務

基於wav2vec 2.0架構的語音識別基礎模型，在960小時的英語語音數據上預訓練

基於wav2vec 2.0架構的語音識別基礎模型，在960小時英語語音數據上預訓練

基於facebook/wav2vec2-base-960h的音頻分類模型，可識別音頻片段所屬的古典音樂作曲家

該模型是基於DistilHuBERT架構在GTZAN音樂流派分類數據集上微調的音頻分類模型，準確率達89%。

這是一個基於AST(Audio Spectrogram Transformer)架構的音頻分類模型，在GTZAN音樂流派分類數據集上進行了微調。

MERT是一種基於自監督學習的聲學音樂理解模型，通過教師模型提供偽標籤進行預訓練。

基於distilhubert在GTZAN音樂分類數據集上微調的音頻分類模型，準確率達89%

該模型是基於facebook/wav2vec2-base在GTZAN數據集上微調的音頻分類模型，主要用於音樂流派分類任務。

基於facebook/wav2vec2-base微調的音頻分類模型，用於區分音樂和語音

基於AST架構的音頻分類模型，在GTZAN數據集上微調，用於音樂流派分類任務

基於openai/whisper-tiny在GTZAN數據集上微調的語音分類模型，準確率達91%

該模型是基於DistilHuBERT在GTZAN音樂分類數據集上微調的音頻分類模型，主要用於音樂流派分類任務。

基於AudioSet數據集微調的音頻譜圖變換器(AST)模型，用於音頻分類任務

基於facebook/wav2vec2-base微調的音頻分類模型，用於識別音樂流派

基於facebook/wav2vec2-base微調的語音分類模型，用於音頻文件夾數據集的分類任務

該模型用於估計固定聲源的到達方向（DOA），基於SOFA數據集訓練，通過AST模型微調實現。

該模型是基於facebook/wav2vec2-base在superb數據集上微調的音頻分類模型，在評估集上取得了99.87%的準確率。