# 音頻特徵提取

voc2vec是專為非語言人類數據設計的基礎模型，基於HuBERT框架構建，在125小時非語言音頻數據上預訓練。

voc2vec是一個專門為非語言人類數據設計的基礎模型，基於wav2vec 2.0框架構建。

基於DistilHuBERT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86%

該模型是基於ntu-spml/distilhubert在GTZAN音樂分類數據集上微調的音頻分類模型，準確率達到85%。

wav2vec 2.0 是一個自監督學習框架，用於語音表示學習，能夠從未標記的音頻數據中學習語音特徵。

基於HuBERT大模型的性別分類器，準確率達98.61%

基於facebook/wav2vec2-base微調的語音性別分類模型，在評估集上準確率達98.92%

基於facebook/wav2vec2-base微調的音頻情感分類模型，在評估集上準確率達73.98%

該模型是基於NTU-SPML的DistilHuBERT在GTZAN音樂分類數據集上微調的版本，主要用於音樂流派分類任務。

該模型以原始音頻信號作為輸入，輸出年齡預測值以及性別概率（兒童/女性/男性），同時輸出最後一層transformer的池化狀態。

該模型通過微調Wav2Vec2-Large-Robust，能夠從原始音頻中預測說話者的年齡和性別。

基於distilhubert在GTZAN數據集上微調的音樂分類模型，準確率達88%

基於distilhubert在GTZAN音樂分類數據集上微調的模型，用於音樂流派分類任務

該模型是基於DistilHuBERT架構，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。

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

基於 DistilHuBERT 在 GTZAN 音樂分類數據集上微調的輕量級音頻特徵提取模型

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

基於DistilHuBERT架構的音頻分類模型，在GTZAN音樂流派分類數據集上微調，準確率達94.75%

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

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，準確率達到76.25%

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

該模型是基於DistilHuBERT架構在GTZAN音樂分類數據集上微調的版本，主要用於音樂流派分類任務。

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微調，準確率達到92%。

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85%

基於DistilHuBERT架構在RAVDESS語音情感數據集上微調的語音情感識別模型，準確率達92.36%

基於facebook/wav2vec2-base-960h微調的音頻分類模型，具體用途和訓練數據未明確說明。

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

基於Wav2Vec2架構的語音識別基礎模型，在960小時的英語語音數據上訓練，適用於語音分類任務。

基於音頻數據集對MIT/ast-finetuned-audioset-10-10-0.4593進行微調的音頻分類模型

MERT-v1-330M 是一個基於 MLM 範式訓練的高級音樂理解模型，具有 330M 參數，支持 24K Hz 音頻採樣率和 75 Hz 特徵率，適用於多種音樂信息檢索任務。

基於wav2vec2-base在coscan-speech數據集上微調的年齡組分類模型，驗證集準確率達99.8%

該模型是基於facebook/wav2vec2-large-xlsr-53在AI Light Dance數據集上微調的自動語音識別模型。

該模型是基於facebook/wav2vec2-large-xlsr-53在GARY109/AI_Light_Dance - ONSET-CHORD2數據集上微調的自動語音識別模型。

基於facebook/wav2vec2-base微調的語音處理模型，在評估集上準確率達53.57%