AIbase
TW
模型選型
標籤
高精度音頻識別

# 高精度音頻識別

Wav2vec2 Base Superb Ks
基於wav2vec2架構的音頻分類模型，適用於關鍵詞檢測任務
音頻分類 Transformers
W
Xenova
21
1
Wav2vec2 Large Emotion Detection German
Apache-2.0
基於wav2vec2的德語語音情感檢測模型，在emo-DB數據集上訓練，能夠識別7種不同情感。
音頻分類 Transformers 德語
W
padmalcom
20
3
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
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
Distil Wav2vec2 Xls R Adult Child Cls 64m
Apache-2.0
基於XLS-R架構的蒸餾版音頻分類模型，用於區分成人與兒童語音
音頻分類 Transformers 英語
D
bookbot
15
1
Urbansound8k Ecapa
Apache-2.0
這是一個使用SpeechBrain框架在UrbanSound8k數據集上預訓練的聲音識別模型，能夠識別10種城市環境聲音。
音頻分類 英語
U
speechbrain
91
8
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