Whisper Large V3 Narrow Accent
Bsd-3-clause
基于Whisper-Large v3的细粒度口音分类模型，支持16种英语口音识别
音频分类
Safetensors
Safetensors 英语
W
tiantiaf
237
3
My Frugal Audio Model
Apache-2.0
这是基于facebook/wav2vec2-base微调的音频处理模型，主要用于语音相关任务
音频分类
Transformers
TransformersM
hsalehILB
1
0
W2v Bert 2.0
MIT
基于Conformer架构的语音编码器，在450万小时无标注音频数据上预训练，支持143种以上语言
语音识别 Transformers
Transformers 支持多种语言
W
facebook
477.05k
170
My Awesome Mind Model
Apache-2.0
基于facebook/wav2vec2-base微调的音频分类模型，在评估集上达到58.92%的准确率
音频分类 Transformers
TransformersM
Krithika-p
15
0
Distilhubert Finetuned Gtzan
Apache-2.0
基于DistilHuBERT架构在GTZAN音乐分类数据集上微调的轻量级音频分类模型
音频分类 Transformers
TransformersD
CornerINCorner
20
0
Digit Mask Data2vec Audio Base 960h Ft
Apache-2.0
基于data2vec-audio-base-960h微调的音频数字识别模型，在数字掩码增强数据集上表现出色
音频分类 Transformers
TransformersD
mazkooleg
14
0
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
TransformersW
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
TransformersW
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
TransformersW
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
TransformersW
reralle
14
0
Wav2vec2 Base POSITIVE NEGATIVE ONLY BALANCED CLASSES
Apache-2.0
基于facebook/wav2vec2-base微调的语音处理模型，专注于平衡正负类分类任务
音频分类 Transformers
TransformersW
aherzberg
17
0
Wav2vec2 Nsc Final 1 Google Colab
基于wav2vec2架构的语音处理模型，训练细节未完全公开
语音识别 Transformers
TransformersW
YuanWellspring
99
0
Wav2vec Test
这是一个基于wav2vec架构的语音处理测试模型，具体用途和训练数据未明确说明。
语音识别 Transformers
TransformersW
eugenetanjc
73
0
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
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
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
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20none;%20}%20.st1%20{%20fill:%20%235ce6cf;%20}%20.st2%20{%20fill:%20%230080ff;%20}%20.st3%20{%20clip-path:%20url(%23clippath);%20}%20%3c/style%3e%3cclipPath%20id='clippath'%3e%3crect%20class='st0'%20y='0'%20width='120'%20height='32'/%3e%3c/clipPath%3e%3c/defs%3e%3cg%20class='st3'%3e%3cg%3e%3cpath%20class='st1'%20d='M22.4,32H3.2c-1,0-2-.5-2.6-1.4-.6-.9-.7-2-.4-2.9L9.8,2.1C10.3.8,11.5,0,12.8,0s2.5.8,3,2.1l9.6,25.6c.4,1,.2,2.1-.4,2.9-.6.9-1.6,1.4-2.6,1.4ZM7.8,25.6h10l-5-13.3-5,13.3Z'/%3e%3cpath%20class='st2'%20d='M33.6,32c-1.3,0-2.5-.8-3-2.1L21,4.3c-.6-1.7.2-3.5,1.9-4.1,1.7-.6,3.5.2,4.1,1.9l9.6,25.6c.6,1.7-.2,3.5-1.9,4.1-.4.1-.8.2-1.1.2h0Z'/%3e%3cpath%20d='M71.8,9.1h-6.9v4.6h6.9c2.5,0,4.6,2,4.6,4.6h-6.9c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h2.3c1.7,0,3.2-.4,4.6-1.2v1.2h4.6v-13.7c0-5-4.1-9.1-9.1-9.1h0ZM71.8,27.4h-2.3c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h6.9c0,2.5-2,4.6-4.6,4.6h0Z'/%3e%3cpath%20d='M52.3,9.1h-4.6V0h-4.6V32h9.1c5,0,9.1-4.1,9.1-9.1v-4.6c0-5.1-4.1-9.1-9.1-9.1h0ZM56.9,22.9c0,2.5-2,4.6-4.6,4.6h-4.6v-13.7h4.6c2.5,0,4.6,2,4.6,4.6v4.6h0Z'/%3e%3cpath%20d='M110.9,13.7h9.1v-4.6h-9.1c-5.1,0-9.1,4.1-9.1,9.1v4.6c0,5.1,4.1,9.1,9.1,9.1h9.1v-4.6h-9.1c-2.5,0-4.6-2-4.6-4.6h13.7v-4.6h-13.7c0-2.5,2-4.6,4.6-4.6h0Z'/%3e%3cpath%20d='M93.6,18.3h-4.6c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h10.3v-4.6h-10.3c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h4.6c1.3,0,2.3,1,2.3,2.3s-1,2.3-2.3,2.3h-10.3v4.6h10.3c3.8,0,6.9-3.1,6.9-6.9s-3.1-6.9-6.9-6.9Z'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
AIbase是一个专注于MCP服务的平台，为AI开发者提供高质量的模型上下文协议服务，助力AI应用开发。
简体中文