Ast Finetuned Audioset 10 10 0.448 V2
基于AudioSet数据集微调的音频频谱图变换器,将音频转换为频谱图后使用视觉变换器处理,在音频分类任务中表现优异。
下载量 2,072
发布时间 : 11/14/2022
模型简介
该模型是基于ViT架构的音频分类模型,通过将音频信号转换为频谱图形式,再利用视觉变换器进行处理,适用于多种音频分类任务。
模型特点
频谱图转换处理
将音频信号转换为频谱图形式,利用视觉变换器架构进行处理,有效捕捉音频特征。
AudioSet微调
基于大规模音频数据集AudioSet进行微调,具备强大的音频分类能力。
SOTA性能
在多个音频分类基准测试中取得了最先进的性能表现。
模型能力
音频分类
频谱图分析
音频特征提取
使用案例
音频内容分析
环境声音分类
识别和分类环境中的各种声音类型,如动物叫声、交通工具声等。
高准确度的声音类别识别
音乐分类
对音乐片段进行流派、乐器等分类。
多媒体内容审核
违规音频检测
识别音频内容中可能存在的违规或敏感内容。
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98