AIbase
ZH
模型选型
标签
端到端学习

# 端到端学习

Wavlm Bert Fusion S Emotion Russian Resd
基于WavLM和BERT的多模态融合模型，适用于语音和文本的联合任务处理。
语音识别 Transformers
W
Aniemore
298
3
Control V11p Sd15 Inpaint
Openrail
ControlNet v1.1 是基于 Stable Diffusion 的修复图像条件控制模型，用于图像修复任务。
图像生成 其他
C
lllyasviel
38.44k
118
Sd Controlnet Scribble
Openrail
ControlNet是一种通过涂鸦图像条件控制扩散模型的神经网络结构，可精确生成符合草图轮廓的图像。
图像生成 其他
S
lllyasviel
5,395
54
Ast Finetuned Audioset 16 16 0.442
Bsd-3-clause
基于AudioSet数据集微调的音频频谱变换器，采用视觉变换器架构处理音频频谱图，在音频分类任务中表现优异。
音频分类 Transformers
A
MIT
35
1
Ast Finetuned Audioset 14 14 0.443
Bsd-3-clause
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架构处理，在音频分类任务中表现优异。
音频分类 Transformers
A
MIT
194.20k
5
Ast Finetuned Audioset 10 10 0.448 V2
Bsd-3-clause
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。
音频分类 Transformers
A
MIT
2,072
0
Ast Finetuned Audioset 10 10 0.450
Bsd-3-clause
基于AudioSet数据集微调的音频频谱变换器，采用ViT架构处理音频频谱图，在音频分类任务中表现优异。
音频分类 Transformers
A
MIT
109
4
Ast Finetuned Audioset 10 10 0.4593
Bsd-3-clause
音频频谱图变换器（AST）是基于AudioSet微调的模型，将音频转换为频谱图后应用视觉变换器进行音频分类。
音频分类 Transformers
A
MIT
308.88k
311
Wav2vec2 Base Timit Demo Colab
Apache-2.0
基于facebook/wav2vec2-base模型微调的语音识别模型，适用于TIMIT数据集演示
语音识别 Transformers
W
roshantushar
24
0
Wav2vec Speech Project
一个基于wav2vec架构的语音处理模型，具体用途和训练数据未明确说明
语音识别 Transformers
W
maryam359
16
0
Fasnettac Paper
基于Asteroid框架训练的音频分离模型，专门用于处理带噪声的多通道音频信号分离任务
声音分离
F
popcornell
21
3
Wav2vec2 Large Xls R 3
Apache-2.0
该模型是基于facebook/wav2vec2-xls-r-300m在通用语音数据集上微调的版本，适用于语音识别任务。
语音识别 Transformers
W
chaitanya97
20
0
Wav2vec2 Xls R 300m Demo Colab
Apache-2.0
该模型是基于facebook/wav2vec2-xls-r-300m在common_voice数据集上微调的语音识别模型
语音识别 Transformers
W
Mahalakshmi
16
0
AIbase
智启未来，您的人工智能解决方案智库
English简体中文繁體中文にほんご
© 2025AIbase