Project Icon

discogs-maest-30s-pw-129e

基于Transformer架构的音乐音频分析模型

本项目使用基于Transformer架构的MAEST模型进行音乐分析,利用来自Discogs的公开元数据进行多达400种音乐风格的分类。该模型在音频分类、情感识别等方面表现突出,尤其在中间层的特征提取中效果显著。适用于音频分类任务的用户,非一般音频分类使用。在Essentia和Transformers库的支持下,用户可以实现高效模型推断和下游任务性能提升。

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。
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。
ast-finetuned-audioset-10-10-0.4593 - 音频光谱变换器在AudioSet上的精调应用
Audio Spectrogram TransformerAudioSetGithubHuggingface声谱图开源项目模型视觉转换器音频分类
音频光谱变换器是一种在AudioSet上精调的模型,通过将音频转化为光谱图后应用视觉变换器,达成了高效的音频分类效果,在多项音频分类基准测试中表现卓越。
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。
musicgen-large - 基于文本和音频提示的大规模AI音乐生成模型
GithubHuggingfaceMusicGenTransformer模型人工智能开源项目文本生成音乐模型音频合成
MusicGen-large是Meta AI开发的3.3B参数规模文本到音乐生成模型。该模型采用单阶段自回归Transformer架构和32kHz EnCodec分词器,能根据文本描述或音频提示生成高质量音乐。MusicGen支持文本和旋律引导音乐创作,为AI音乐研究开辟新途径。研究人员可通过Transformers或Audiocraft库使用MusicGen进行音乐生成实验。
larger_clap_music_and_speech - 专为音乐和语音优化的CLAP音频-文本对比学习模型
CLAPGithubHuggingface开源项目机器学习模型神经网络语音处理音频分类
larger_clap_music_and_speech是一个针对音乐和语音优化的CLAP模型。它结合SWINTransformer和RoBERTa处理音频和文本特征,实现潜在空间的特征映射。该模型支持零样本音频分类和特征提取,可在CPU和GPU上运行。作为音频理解和分析的有力工具,它在音乐识别和语音处理等领域具有广泛应用前景。
ast-finetuned-audioset-10-10-0.4593-finetuned-gtzan - 基于AST的GTZAN数据集音频分类模型
ASTGTZAN数据集GithubHuggingface准确率开源项目模型模型微调音频分类
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。
MVSEP-MDX23-Colab_v2 - 多模型集成的音乐分离工具 支持灵活配置和批量处理
AI模型ColabGithubMVSep-MDX23开源项目音乐分离音频处理
MVSEP-MDX23-Colab_v2是一个开源的音乐分离工具,集成了多种先进模型,如MelBand-Roformer、BS-Roformer和MDX-InstHQ4。支持单文件和文件夹批量处理,提供FLAC和16位输出等选项。采用BigShifts算法和改进的分块处理提高了分离质量和效率。工具适合需要高质量音轨分离的音频处理人员使用。
lp-music-caps - 音乐自动标注与描述生成技术
GPT-3.5GithubLP-MusicCaps开源项目跨模态编码器音乐标题生成音频到文本
LP-MusicCaps项目开发了一种音乐自动标注和描述生成的新方法。该方法首先利用GPT-3.5 Turbo将音乐标签转换为描述,然后训练跨模态模型实现音频到描述的直接生成。项目提供了开源预训练模型、数据集和演示,为音乐内容分析和检索领域提供了创新解决方案。
musicgen-small - 基于文本描述的AI音乐创作模型
GithubHuggingfaceMusicGen人工智能开源项目文本生成音乐模型深度学习音频合成
MusicGen-small是一个300M参数的AI音乐生成模型,可根据文本描述创作音乐。它采用自回归Transformer架构,基于EnCodec分词器训练,一次推理即可生成完整音乐。该模型支持多种音乐风格,适用于音乐创作研究。MusicGen-small提供简单接口,便于研究人员和爱好者探索AI音乐生成。然而,该模型也存在局限性,如无法生成真实人声。用户在使用时需注意其优势和局限性。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

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

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