AIPython★ 655
OpenMOSS/MOSS-Audio
MOSS-AUDIO: МОДЕЛЬ ДЛЯ АНАЛИЗА ЗВУКА
MOSS-Audio — открытая модель на Python для генерации подписей к аудио, ответов на вопросы о звуке и рассуждений о речи, окружении и музыке. За 655 звёзд на GitHub она поддерживает аудио-капционирование, аудио-VQA и мультимодального понимания.
// КЛЮЧЕВЫЕ ОСОБЕННОСТИ
- Генерирует подписи к аудио: речь, окружающие звуки и музыка.
- Отвечает на вопросы о содержании аудио через аудио‑VQA (речь, шум, музыка).
- Выполняет рассуждения о речи, окружении и музыке для глубокого понимания.
- Поддерживает задачи аудио‑капционирования, аудио‑VQA и мультимодального понимания.
#audio-captioning#audio-question-answering#audio-understanding#multimodal#music#speech
Открыть на GitHub →Новые репозитории каждые 30 минут
REDDYX AI сканирует GitHub 24/7 и присылает лучшие AI/ML/Web3 проекты в Telegram.
Подписаться в Telegram