Project Icon

ast-finetuned-audioset-10-10-0.4593-finetuned-gtzan

基于AST的GTZAN数据集音频分类模型

该模型是在GTZAN数据集上微调的AST(Audio Spectrogram Transformer)模型,针对音频分类任务进行了优化。经过10轮训练,模型在评估集上达到92%的准确率,展现出优秀的音频分类能力。虽然缺少具体应用说明,但其高准确率表明该模型在音乐流派分类等领域可能具有良好表现。模型采用Adam优化器和线性学习率调度策略,通过精心调整的超参数实现了性能的显著提升。

larger_clap_music - 大规模音乐音频分类及特征提取的模型解决方案
CLAPGithubHuggingfaceRoBERTaTransformer开源项目模型神经网络音频分类
通过对比语言音频预训练技术,CLAP模型实现高效的音频和文本特征提取和分类,适用于无监督学习环境。模型兼具SWINTransformer和RoBERTa的优点,可用来评估音频与文本间的相似性,且能满足多种音频分类和嵌入需求。
distilbert-base-uncased-finetuned-sst-2-english - 英语文本情感分析的高精度模型
DistilBERTGithubHuggingface偏见开源项目文本分类模型精度
模型由Hugging Face团队微调,适用于SST-2情感分析任务,精度达到91.3%。针对英语文本特性设计,适合单标签分类。适用Python和Transformers库,易于集成。模型可实现高效特征提取,但可能在特定背景下产生偏差,应在应用前充分测试。开放源代码,Apache-2.0许可支持二次开发。
Gender-Classification - DistilBERT微调模型实现高精度性别分类
DistilBERTGithubHuggingface开源项目性别识别数据分类模型模型训练深度学习
Gender-Classification是一个基于distilbert-base-uncased模型微调的性别分类项目。模型经过5轮训练,在验证集上达到了接近100%的分类准确率。项目采用Adam优化器和线性学习率调度器,学习率为2e-05。模型基于Transformers 4.25.1和PyTorch 1.13.0框架开发,为性别识别任务提供了一个参考实现。
bert-base-uncased-finetuned-semeval24 - BERT微调模型在文本分类任务中的出色表现
F1GithubHuggingfacebert-base-uncased准确率开源项目损失模型精调
该微调模型基于google-bert/bert-base-uncased,采用Adam优化器和线性学习率调度策略,经过5个学习周期,在评估集合上取得了0.8254的准确率和0.8237的F1值,适用于需要精确度的文本分类任务。
voice-safety-classifier - 语音聊天毒性检测的高精度分类工具
GithubHuggingfacetoxicity detection多标签分类开源项目模型模型评估语音安全音频分类
该项目提供了一个新的语音聊天毒性检测基准模型,基于大规模数据集开发。模型使用WavLM base plus权重,经过2,374小时语音多标签微调,输出标签包括Profanity、DatingAndSexting、Racist、Bullying等。评估显示模型在二元分类任务中的精度达到94.48%。使用者可通过特定命令运行模型权重进行应用。
MERT-v1-95M - 新的音乐理解模型,适应多种任务需求
GithubHuggingfaceTransformer开源项目模型自监督学习音乐理解音频分类预训练模型
MERT-v1-95M模型在音乐音频预训练中应用新的范式和数据集,实现出色的任务泛化能力。与MERT-v0相比,该版本采用更高质量的伪标签,在24K Hz频率下训练了20,000小时的音频数据,支持音乐生成。95M参数的模型适合不同的硬件需求,输出75 Hz的特征速率。通过整合MLM预测和批内噪声混合技术,MERT-v1-95M在多种下游任务中表现出色。
LanguageBind_Audio_FT - LanguageBind:跨模态语义对齐的音频预训练模型
GithubHuggingfaceICLR 2024LanguageBindVIDAL-10M多模态预训练开源项目模型视频语言
LanguageBind_Audio_FT是一个基于语言中心方法的音频预训练模型,通过语义对齐实现音频与语言的跨模态理解。该模型在VIDAL-10M数据集上训练,采用多视角增强的语言描述,无需中间模态即可实现高性能。在5个音频-语言数据集上,LanguageBind_Audio_FT展现了优秀的跨模态理解能力,达到了领先水平。
MERT-v1-330M - 先进音乐理解模型用于多任务音频特征提取和识别
GithubHuggingfaceMERT开源项目机器学习模型深度学习音乐处理音频预训练
MERT-v1-330M是一种基于MLM范式的音乐理解模型,采用24层Transformer架构,拥有330M参数。该模型经过16万小时音频数据训练,支持24kHz采样率输入,每秒生成75个特征向量。通过encodec的8个码本和批内噪声混合等技术,MERT-v1-330M在下游任务中表现出色。除了音乐特征提取,它还可用于音乐生成,是当前领先的音乐音频预训练模型之一。
friendly-stable-audio-tools - 改进后的Stable Audio Tools开源框架支持音频生成模型训练和推理
AI音频生成GithubStable Audio开源项目模型训练深度学习音乐生成
该项目是对Stability AI的stable-audio-tools的重构和增强,提供了音频和音乐生成模型的开源代码。重构后的代码提高了可读性和易用性,并新增了评估和使用自训练模型的脚本。项目详细说明了如何训练Stable Audio 2.0等模型,并提供了Stable Audio Open 1.0的使用文档和便捷脚本。此外,项目支持多GPU/节点生成,并集成了Gradio界面用于测试模型。
bert-base-uncased-ag-news - 基于BERT的文本序列分类模型
GithubHuggingfaceTextAttackag_news数据集bert-base-uncased序列分类开源项目模型精度
bert-base-uncased模型通过TextAttack和ag_news数据集进行微调,专为文本序列分类任务优化。经过5轮训练并采用交叉熵损失函数,该模型在第3轮时达到了0.951的高准确率。该模型设置批量大小为16,学习率为3e-05,最大序列长度为128,适用于高效准确的文本分类任务。了解更多信息请访问TextAttack的Github页面。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号