Asteroid-Destroyer
BERT-base-uncasedをファインチューニングしたAmazonレビュー感情分析モデル。英語レビューを肯定的または否定的に分類可能
Awais
Asteroidフレームワークでトレーニングされた音源分離モデル、8kHzサンプリングレートの音声分離タスクに最適化
mpariente
これはAsteroidフレームワークでトレーニングされたConvTasNetモデルで、音源分離タスク専用に設計されており、WHAM!データセットのsep_cleanタスクでトレーニングされました。
julien-c
これはAsteroidフレームワークでトレーニングされた音源分離モデルで、混合音声からクリーンな音声信号を分離するために特別に設計されています。
AsteroidフレームワークでトレーニングされたConvTasNetモデルで、ノイズを含む音声分離タスク用です。トレーニングデータはLibri3Mixデータセットから取得しました。
popcornell
Asteroidフレームワークを基に訓練された音声分離モデルで、ノイズのあるマルチチャンネル音声信号の分離タスクを専門に処理します。
mhu-coder
AsteroidフレームワークでトレーニングされたConvTasNetモデル、単一チャネル音声強調タスク用
Asteroidフレームワークでトレーニングされた音声分離モデルで、WHAM!データセットを使用しており、クリーンな音声分離タスクに特化しています。
JorisCos
Asteroidフレームワークを基に訓練されたConvTasNetモデルで、雑音付き音声分離タスクに使用され、Libri2Mixデータセットで訓練されています。
Asteroidフレームワークを基に訓練されたConvTasNetモデルで、混合オーディオからノイズと音声信号を分離するために使用されます。
Asteroidフレームワークを基に訓練されたオーディオ強化モデルで、単チャンネル音声強化タスクに特化し、Libri1Mixデータセットで訓練されました。
Asteroidフレームワークを基に訓練されたDCCRN - CLアーキテクチャの音声強化モデルで、単チャンネル音声強化タスクに特化し、Libri1Mixデータセットで訓練されました。
Asteroidフレームワークを基に訓練されたConvTasNetモデルで、音声分離タスクに使用され、Libri3Mixデータセットで訓練され、16kHzのサンプリングレートのオーディオ入力をサポートします。
Asteroidフレームワークを基に訓練されたConvTasNetモデルで、単チャンネル音声強化タスクに使用され、Libri1Mixデータセットで訓練されています。
Asteroidフレームワークを基に訓練されたConvTasNetモデルで、8kHzサンプリングレートの音声分離タスクに使用され、特にノイズを含む混合音声シーンに対応しています。
Asteroidフレームワークを基に訓練されたConvTasNetモデルで、8kHzサンプリングレートの音声分離タスクに使用され、Libri2Mixデータセットで訓練されています。
AsteroidフレームワークでトレーニングされたConvTasNetモデルで、混合音声から3つの独立した音源を分離するために設計されており、特に8kHzサンプリングレートのノイズを含む音声データに最適化されています。
Asteroidフレームワークを基に訓練されたオーディオ強化モデルで、モノラル音声強化タスクに特化しています。
これはAsteroidフレームワークを基に訓練されたConvTasNetモデルで、オーディオ分離タスクに特化しており、Libri2Mixデータセットのsep_cleanタスクで訓練されています。
Pytorch%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
