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
音频分类
V
gaunernst
335
2
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 12 12 0.447
Bsd-3-clause
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。
音频分类
Transformers

A
MIT
25
0
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 0.448
Bsd-3-clause
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。
音频分类
Transformers

A
MIT
326
0
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
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