模型介绍
中文整理Intro 简介
The Guzheng Performance Technique Recognition Model is trained on the GZ IsoTech Dataset, which consists of 2,824 audio clips that showcase various Guzheng playing techniques. Of these, 2,328 clips are from a virtual sound library, and 496 clips are performed by a highly skilled professional Guzheng artist, covering the full tonal range inherent to the Guzheng instrument. The audio clips are categorized into eight different playing techniques based on the unique performance practices of the Guzheng: Vibrato (chanyin), Slide-up (shanghuayin), Slide-down (xiahuayin), Return Slide (huihuayin), Glissando (guazou, huazhi, etc.), Thumb Plucking (yaozhi), Harmonics (fanyin), and Plucking Techniques (gou, da, mo, tuo, etc.). The model utilizes feature extraction, time-domain and frequency-domain analysis, and pattern recognition to accurately identify these distinct Guzheng playing techniques. The application of this model provides strong support for the automatic recognition, digital analysis, and educational research of Guzheng performance techniques, promoting the preservation and innovation of Guzheng art.
古筝演奏技法识别模型是基于古筝演奏技法数据集训练的，该数据集包含2,824个音频片段，展示了各种古筝演奏技巧的特征。数据集中的2,328个音频片段来自虚拟声音库，496个片段由一位技艺高超的专业古筝艺术家演奏，涵盖了古筝乐器固有的全面音调范围。这些音频片段根据古筝特有的演奏技巧被划分为八个类别：颤音（chanyin）、上滑音（shanghuayin）、下滑音（xiahuayin）、回滑音（huihuayin）、刮奏（guazou, huazhi等）、摇指（yaozhi）、泛音（fanyin）以及拨弦技巧（gou, da, mo, tuo等）。该模型通过对这些音频片段进行特征提取、时域与频域分析、以及模式识别，能够准确识别出不同古筝演奏技巧。该模型的应用能够为古筝演奏技巧的自动识别、数字化分析与教学研究提供有力支持，推动古筝艺术的传承与创新。
Demo 在线演示 (推理代码)
Usage 使用
:modelscope-code[]{type="sdk"}
Maintenance 维护
:modelscope-code[]{type="git"}
Results 训练结果
Backbone Size(M) Mel CQT Chroma
:----------------: :-----: :----------------------------------: :---------: :---------:
vit l 16 304.3 ** 0.855 ** ** 0.824 ** ** 0.770 **
maxvit t 30.9 0.763 0.776 0.642
resnext101 64x4d 83.5 0.713 0.765 0.639
resnet101 44.5 0.731 0.798 ** 0.719 **
regnet y 8gf 39.4 0.804 ** 0.807 ** 0.716
shufflenet v2 x2 0 7.4 0.702 0.799 0.665
mobilenet v3 large 5.5 ** 0.806 ** 0.798 0.657
Best result 最佳结果
Loss curve
Training and validation accuracy
Confusion matrix
Dataset 数据集
Mirror 镜像
Evaluation 校验
Cite 引用
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。