Audioseal
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Facebook AI Research
- Typ organizacji
- Industry
- Kraj
- United States of America, France
- Opublikowany
- 6 June 2024
- Autorzy
- Robin San Roman, Pierre Fernandez, Alexandre Défossez, Teddy Furon, Tuan Tran, Hady Elsahar
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Audio, Speech
- Zadanie
- Audio classification, Audio generation
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- tokens
4,500 hours * 13,680 English words per hour = 61560000 words
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Kod treningowy
- 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
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Proactive Detection of Voice Cloning with Localized Watermarking
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Skąd to pochodzi
Audioseal został opublikowany przez Facebook AI Research, w kraju zapisanym jako United States of America, podczas June 2024. Wychodzi z organizacji zaklasyfikowanej jako industry.
Działa w dziedzinie Audio, Speech, i jest zapisany jako wykonujący zadanie audio classification, Audio generation.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Odpowiedzi
Audioseal — częste pytania
Audioseal— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
Audioseal— czy jest open weight?
Licencja nigdy nie została zarejestrowana w naszych danych źródłowych. Traktujemy niewskazaną licencję jako zamkniętą, ponieważ niezarejestrowana licencja nie jest na którą można polegać.
Audioseal— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
Audioseal— kto to stworzył?
Zostało opublikowane przez Facebook AI Research, oparty na United States of America, organizacja sklasyfikowana jako industry.
Audioseal— kiedy to zostało wydane?
Zostało opublikowane w June 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Audioseal— do czego to służy?
Działa w dziedzinie Audio, Speech, i jest zarejestrowany jako realizujący zadanie audio classification, Audio generation. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.