Audioseal
Aucune estimation
Aucun besoin matériel pour ce modèle
Les poids de ce modèle n'ont pas été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel, quelle que soit la taille. Il n'est accessible que via son fournisseur, et aucune carte graphique ne change cela.
Enregistrement terminé
Spécification complète
Tout ce qui concerne ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — contexte utile pour évaluer le travail fourni et sa comparaison avec des modèles construits à une échelle différente.
Origine
Qui a construit ce modèle, où et quand il a été publié.
- Organisation
- Facebook AI Research
- Type d'organisation
- Industry
- Pays
- United States of America, France
- Publié
- 6 June 2024
- Auteurs
- Robin San Roman, Pierre Fernandez, Alexandre Défossez, Teddy Furon, Tuan Tran, Hady Elsahar
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut en porter plusieurs de chacun.
- Domaine
- Audio, Speech
- Tâche
- Audio classification, Audio generation
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui détermine s'il tient sur une carte graphique donnée.
- Données d'entraînement
- tokens
4,500 hours * 13,680 English words per hour = 61560000 words
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui décide si l'une des chiffres de carte graphique sur cette page s'applique.
- Code d'entraînement
- Open source
The code in this repository is released under the MIT license https://github.com/facebookresearch/audioseal training code: https://github.com/facebookresearch/audioseal/blob/main/docs/TRAINING.md looks like training scripts are in this repo: https://github.com/facebookresearch/audiocraft/blob/main/audiocraft/solvers/watermark.py
Comment il est classé
Étiquettes que le jeu de données source applique lors du suivi des modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Confident
Sources
D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Proactive Detection of Voice Cloning with Localized Watermarking
- Dernière mise à jour
- 28 November 2025
Ce que signifient les chiffres
Where it came from
Audioseal was published by Facebook AI Research, in United States of America, in June 2024. It comes out of industry.
It works in Audio, Speech, and is recorded as doing audio classification, Audio generation.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Réponses
Audioseal — Questions fréquentes
What GPU do I need to run Audioseal?
None. Audioseal is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Audioseal open source?
The licensing for Audioseal was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does Audioseal have?
No parameter count has been published for Audioseal, which is why no memory or speed figure appears on this page.
Who created Audioseal?
Audioseal was published by Facebook AI Research, based in United States of America, categorised as industry.
When was Audioseal released?
Audioseal was published in June 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is Audioseal used for?
Audioseal works in Audio, Speech, and is recorded as handling audio classification, Audio generation. These are the areas it was designed around; they describe intent rather than a hard boundary.
Dans l'autre sens
Regardez-la de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez connaître tout ce qu'elle pourra exécuter, commencez plutôt par le matériel.