跳到正文
arXiv · NLP· Gijs Wijngaard, Felix F\"orster, Ross Wightman, Marianna Nezhurina, Christoph Schuhmann, Jenia Jitsev, A. Sophia Koepke·· 10 天前AI 评分25

LAION-Audio-XL:面向对比语言-音频预训练的十亿级数据集与扩展研究

LAION-Audio-XL: A Web-Scale Corpus and Scaling Studies for Contrastive Language-Audio Pretraining

AI 导读

研究者构建了包含 1.48 亿音频样本的 LAION-Audio-XL 数据集,并基于 NaFlex 架构训练了 CLAP2 模型。 CLAP2 在 MAEB 和 HEAR 基准测试上超越了同规模的以往音频-文本模型,团队已公开数据集、模型权重及代码。

来源:arXiv · NLP · arxiv.org