AI 助理
备案控制台
开发者社区 ModelScope模型即服务 计算机视觉 正文

ModelScope拿10分钟的音频，练了一万次，效果特别差，是次数不够还是音频时常不够啊？

ModelScope拿10分钟的音频，练了一万次，效果特别差，是次数不够还是音频时常不够啊？

展开
收起
青城山下庄文杰 2023-08-18 16:48:25 153 分享 版权
1 条回答
写回答
取消 提交回答
  • 清风拂袖

    10 分钟的音频训练 1 万次，效果不佳，可能是以下原因：

    音频时长不足：10 分钟的音频训练数据量比较少，模型可能没有学到足够的语音特征。
    音频质量较差：如果音频质量较差，会影响模型的训练效果。
    模型训练不充分：如果模型训练不充分，会导致模型性能不佳。
    如果想要提高模型的性能，可以尝试以下方法：

    增加音频时长：增加音频时长可以让模型学习到更多的语音特征。
    提高音频质量：使用质量较高的音频可以提高模型的训练效果。
    改善模型训练方法：使用更适合的模型训练方法可以提高模型的性能。
    希望以上信息对您有所帮助。

    2023-09-21 10:29:51
    赞同 展开评论
相关问答
在modelscope-funasr为什么识别的内容和音频不一致呀？
121
1
0
modelscope-funasr 可以输入音频吗而不是文件？
137
1
0
modelscope-funasr的音频情感识别，用sensevoice好还是emotion2ve？
155
0
0
modelscope-funasr实时流模式，对音频pcm的数据要求是什么呢？
290
0
0
modelscope-funasr使用离线这个推理示例音频的时候，报了错误，是为什么？
119
1
0
在modelscope-funasr当音频文件超过一个小时后，显存溢出怎么解决？
193
1
0
在modelscope-funasr中请问vad模型是只能用16k采样率的音频吗？
130
0
0
在modelscope-funasr中想保留解析长音频的功能所以只要有vad在就会影响输出结果是吗？
83
0
0
modelscope-funasr能推理网络地址的音频文件么？
79
0
0
modelscope-funasr这个模型 给的音频文件是中文，为什么识别出来，不是英文就是拼音？
85
1
0
ModelScope模型即服务

计算机视觉

包含图像分类、图像生成、人体人脸识别、动作识别、目标分割、视频生成、卡通画、视觉评价、三维视觉等多个领域

我要提问

相关文章

  • 【PDF提取内容改名】批量提取PDF指定区域内容重命名PDF文件，PDF自动提取内容命名的方案和详细步骤
  • 【繁体图片文字识别】竖排的繁体图片文字识别翻译，竖排的繁体图片文字如何识别，竖排繁体图片识别后转横排，竖排的繁体识别比较友好的方法
  • Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现裂缝的检测识别（C#代码UI界面版）
  • 腾讯混元最新开源：一张图，秒变游戏大片
  • OBS美颜美肌插件安装使用教程

    • 热门讨论

    热门文章

  • ModelScope中，模型下载默认路径在哪个路径？
  • cpu部署报错 Torch not compiled with CUDA enabled
  • 我希望通过damo-YOLO训练1500*1500的图片
  • com/action/joingroup?code=v1是什么意思
  • 如何下载modelscope模型？
  • ModelScope下载速度慢怎么解决？
  • ModelScope中，大佬们4卡跑lora时，遇到这样的错，怎么解决？
  • modelscope这个下载有点慢呀，好几次都超时了，怎么解决？
  • 服务器上onnxruntime-gpu 调用结束，如何释放显存
  • modelscope cache 环境变量是啥？
    • 展开全部
  • Qwen2.5-VL：阿里通义千问最新开源视觉语言模型，能够理解超过1小时的长视频
  • video-analyzer：开源视频分析工具，支持提取视频关键帧、音频转录，自动生成视频详细描述
  • WorldScore：斯坦福开源世界生成模型评估新标杆：3000样本+九维指标，视频/4D/3D模型一网打尽
  • LHM：单图生成3D动画人！阿里开源建模核弹，高斯点云重构服装纹理
  • InvSR：开源图像超分辨率生成模型，提升分辨率，修复老旧照片为超清图像
  • X-AnyLabeling：开源的 AI 图像标注工具，支持多种标注样式，适于目标检测、图像分割等不同场景
  • Manga Image Translator：开源的漫画文字翻译工具，支持多语言翻译并嵌入原图，保持漫画的原始风格和布局
  • STAR：南京大学联合字节开源视频超分辨率增强生成框架，视频清晰度一键提升，支持从低分辨率视频生成高分辨率视频
  • EchoMimicV2：阿里推出的开源数字人项目，能生成完整数字人半身动画
  • RF-DETR：YOLO霸主地位不保？开源 SOTA 实时目标检测模型，比眨眼还快3倍！
    • 展开全部
    还有其他疑问?
    咨询AI助理