voc2vec是专为非语言人类数据设计的基础模型，基于HuBERT框架构建，在125小时非语言音频数据上预训练。

voc2vec是一个专门为非语言人类数据设计的基础模型，基于wav2vec 2.0框架构建。

基于DistilHuBERT架构在GTZAN音乐分类数据集上微调的音频分类模型，准确率达86%

该模型是基于ntu-spml/distilhubert在GTZAN音乐分类数据集上微调的音频分类模型，准确率达到85%。

wav2vec 2.0 是一个自监督学习框架，用于语音表示学习，能够从未标记的音频数据中学习语音特征。

基于HuBERT大模型的性别分类器，准确率达98.61%

基于facebook/wav2vec2-base微调的语音性别分类模型，在评估集上准确率达98.92%

基于facebook/wav2vec2-base微调的音频情感分类模型，在评估集上准确率达73.98%

该模型是基于NTU-SPML的DistilHuBERT在GTZAN音乐分类数据集上微调的版本，主要用于音乐流派分类任务。

该模型以原始音频信号作为输入，输出年龄预测值以及性别概率（儿童/女性/男性），同时输出最后一层transformer的池化状态。

该模型通过微调Wav2Vec2-Large-Robust，能够从原始音频中预测说话者的年龄和性别。

基于distilhubert在GTZAN数据集上微调的音乐分类模型，准确率达88%

基于distilhubert在GTZAN音乐分类数据集上微调的模型，用于音乐流派分类任务

该模型是基于DistilHuBERT架构，在GTZAN音乐分类数据集上微调的音频分类模型，主要用于音乐流派分类任务。

该模型是基于DistilHuBERT在GTZAN音乐分类数据集上微调的版本，主要用于音乐流派分类任务。

基于 DistilHuBERT 在 GTZAN 音乐分类数据集上微调的轻量级音频特征提取模型

该模型是基于DistilHuBERT在GTZAN音乐分类数据集上微调的版本，主要用于音乐流派分类任务。

基于DistilHuBERT架构的音频分类模型，在GTZAN音乐流派分类数据集上微调，准确率达94.75%

基于DistilHuBERT架构在GTZAN音乐流派分类数据集上微调的音频分类模型

该模型是基于DistilHuBERT在GTZAN音乐分类数据集上微调的音频分类模型，准确率达到76.25%

该模型是基于DistilHuBERT在GTZAN音乐分类数据集上微调的版本，主要用于音乐流派分类任务。

该模型是基于DistilHuBERT架构在GTZAN音乐分类数据集上微调的版本，主要用于音乐流派分类任务。

这是一个基于AST(Audio Spectrogram Transformer)架构的音频分类模型，在GTZAN音乐流派分类数据集上微调，准确率达到92%。

基于DistilHuBERT在GTZAN音乐分类数据集上微调的音频分类模型，准确率达85%

基于DistilHuBERT架构在RAVDESS语音情感数据集上微调的语音情感识别模型，准确率达92.36%

基于facebook/wav2vec2-base-960h微调的音频分类模型，具体用途和训练数据未明确说明。

该模型是基于DistilHuBERT在GTZAN音乐分类数据集上微调的版本，主要用于音乐流派分类任务。

基于Wav2Vec2架构的语音识别基础模型，在960小时的英语语音数据上训练，适用于语音分类任务。

基于音频数据集对MIT/ast-finetuned-audioset-10-10-0.4593进行微调的音频分类模型

MERT-v1-330M 是一个基于 MLM 范式训练的高级音乐理解模型，具有 330M 参数，支持 24K Hz 音频采样率和 75 Hz 特征率，适用于多种音乐信息检索任务。

基于wav2vec2-base在coscan-speech数据集上微调的年龄组分类模型，验证集准确率达99.8%

该模型是基于facebook/wav2vec2-large-xlsr-53在AI Light Dance数据集上微调的自动语音识别模型。

该模型是基于facebook/wav2vec2-large-xlsr-53在GARY109/AI_Light_Dance - ONSET-CHORD2数据集上微调的自动语音识别模型。

基于facebook/wav2vec2-base微调的语音处理模型，在评估集上准确率达53.57%