AIbase

高精度音频识别
Wav2vec2 Base Superb Ks
基于wav2vec2架构的音频分类模型，适用于关键词检测任务
音频分类
Transformers
W
Xenova
21
1
Wav2vec2 Large Emotion Detection German
Apache-2.0
基于wav2vec2的德语语音情感检测模型，在emo-DB数据集上训练，能够识别7种不同情感。
音频分类
Transformers
德语
W
padmalcom
20
3
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
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
Distil Wav2vec2 Xls R Adult Child Cls 64m
Apache-2.0
基于XLS-R架构的蒸馏版音频分类模型，用于区分成人与儿童语音
音频分类
Transformers
英语
D
bookbot
15
1
Urbansound8k Ecapa
Apache-2.0
这是一个使用SpeechBrain框架在UrbanSound8k数据集上预训练的声音识别模型，能够识别10种城市环境声音。
音频分类
英语
U
speechbrain
91
8