高精度音頻分類

# 高精度音頻分類

Wav2vec2 Vd Bird Sound Classification

基於wav2vec2-base訓練的鳥類聲音分類模型，可識別21種印度Vedanthangal鳥類保護區的鳥類物種

Transformers 英語

基於Wav2Vec2微調的音頻分類器，能夠區分真人語音和AI生成語音。

Transformers 英語

Wavlm Large Finetuned SER

基於WavLM-Large的語音情感識別模型，支持英文語音情感分類。

音頻分類英語

Whisper Tiny De Emodb Emotion Classification

基於openai/whisper-tiny微調的德語情感分類模型，在Emo-DB數據集上達到91.59%準確率

Transformers 德語

Distilhubert Finetuned Cry Detector

基於distilhubert架構微調的哭聲檢測模型，在評估集上表現出色，準確率達98.83%

Deepfake Audio Detection

基於音頻文件夾數據集微調的Deepfake音頻檢測模型，能夠高效識別合成語音，評估準確率達99.64%

Deepfake Audio Detection

基於facebook/wav2vec2-base微調的深度偽造音頻檢測模型，在評估集上準確率達95.45%

Urdu Emotions Whisper Medium

基於Whisper-medium微調的烏爾都語情感識別模型，在評估集上準確率達91.67%

Pak-Speech-Processing

Wav2vec2 Large Xlsr 53 English Finetuned Ravdess

基於wav2vec2-large-xlsr-53-english模型在RAVDESS數據集上微調的語音情感識別模型

AST ASVspoof2019 Synthetic Voice Detection

該模型是基於MIT/ast-finetuned-audioset-10-10-0.4593微調的版本，用於檢測合成語音。

Transformers 英語

Wav2vec2 Animal Sounds Finetuned Hubert Finetuned Animals

基於HuBERT架構微調的動物聲音分類模型，可識別10類動物叫聲，準確率達95%

Wav2vec2 Large Robust 6 Ft Age Gender Finetuned Gtzan

基於wav2vec2架構的音頻分類模型，在privateSLI數據集上微調，用於年齡和性別識別任務

languageresearch

Ast Finetuned Speech Commands V2

基於Speech Commands v2數據集微調的音頻頻譜圖變換器模型，用於音頻分類任務，準確率達98.12%。

Trillsson3 Ft Keyword Spotting 14

基於TRillsson3架構的音頻分類模型，在superb數據集上微調，用於關鍵詞識別任務，準確率達91.5%。

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

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。

Transformers 英語

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

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