AudioSet微调

# AudioSet微调

Vit Base Patch16 1024 128.audiomae As2m Ft As20k

基于视觉变换器(ViT)的音频处理模型，通过自监督掩码自编码器(MAE)方法在AudioSet-2M上预训练并在AudioSet-20k上微调

Ast Finetuned Audioset 16 16 0.442

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。

Ast Finetuned Audioset 14 14 0.443

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。

Ast Finetuned Audioset 12 12 0.447

基于AudioSet数据集微调的音频频谱变换器（AST），采用ViT架构处理音频频谱图，在多个音频分类基准测试中表现优异。

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。

Ast Finetuned Audioset 10 10 0.448

基于AudioSet数据集微调的音频频谱图变换器（AST），采用视觉变换器结构处理音频频谱图，在音频分类任务中表现优异。

Ast Finetuned Audioset 10 10 0.4593

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。

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

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。

Transformers 英语

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

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