AIbase

短音频处理
Whisper Large V3 Voice Quality
基于Whisper Large v3的语音质量分类模型，用于分析语音的音高、音质、音量、清晰度和节奏等特征。
音频分类
Safetensors
英语
W
tiantiaf
162
1
Whisper Large V3 Broad Accent
Bsd-3-clause
基于Whisper-Large-v3的英语广泛口音分类模型，可识别不列颠群岛、北美地区和其他三类英语口音
音频分类
Safetensors
英语
W
tiantiaf
156
1
Gemma 3 4b It Speech
Gemma-3-MM是基于Gemma-3-4b-it扩展的多模态指令模型，新增语音处理能力，可处理文本、图像和音频输入，生成文本输出。
音频生成文本
Transformers
G
junnei
383
12
Teochew Whisper Medium
MIT
基于Whisper中型模型微调的潮汕话(潮州话)语音识别模型，专门用于识别中国南方闽南语系的潮汕方言。
语音识别
Transformers
T
efficient-nlp
194
31
Wavlm Basic S F O 8batch 10sec 0.0001lr Unfrozen
基于microsoft/wavlm-large微调的语音处理模型，在评估集上达到80%准确率和79.57% F1分数
音频分类
Transformers
W
reralle
14
0
Wav2vec2 S F O 8batch 5sec 0.0001lr Unfrozen
Apache-2.0
基于facebook/wav2vec2-large微调的语音处理模型，支持语音识别任务
语音识别
Transformers
W
reralle
21
0
Wavlm Basic S R 5c 8batch 5sec 0.0001lr Unfrozen
基于microsoft/wavlm-large微调的语音处理模型，在评估集上准确率达75%
音频分类
Transformers
W
reralle
16
0
Wavlm Basic N F N 8batch 5sec 0.0001lr Unfrozen
基于microsoft/wavlm-large微调的语音处理模型，在评估集上准确率达73.33%
音频分类
Transformers
W
reralle
14
0
DENTAL CLICK Classifier
基于Wav2vec2架构的语音识别模型，专门用于识别语音中的齿龈搭嘴音。
语音识别
Transformers
英语
D
JBJoyce
24
0