该模型是基于Audio Spectrogram Transformer (AST)架构的音频分类模型，在Audioset数据集上预训练后，又在GTZAN音乐流派分类数据集上进行了微调。

该模型是基于 Audio Spectrogram Transformer (AST) 在 GTZAN 音乐分类数据集上微调的版本，用于音频分类任务，准确率达到 88%。

基于distilhubert在GTZAN数据集上微调的音频分类模型，准确率达83%

该模型是基于facebook/wav2vec2-base微调的语音意图分类模型，在评估集上F1分数达到0.875。

该模型是基于albert-base-v2的掩码语言模型，专门针对电子产品属性纠正任务进行了微调

基于bert-base-uncased微调的关键词提取模型，适用于英文文本的关键词抽取任务

这是一个基于 LibriSpeech 数据集训练的自动语音识别(ASR)模型，能够将英语语音转换为文本。

这是一个基于AutoNLP训练的抽取式问答模型，能够从给定文本中提取问题的答案。

基于bert-base-multilingual-uncased模型微调的多语言文本分类模型

一个基于深度学习的文本分类模型，在验证集上表现出较高的F1分数和ROC AUC值。