MERT-v1-95M
新的音乐理解模型，适应多种任务需求
MERT-v1-95M模型在音乐音频预训练中应用新的范式和数据集，实现出色的任务泛化能力。与MERT-v0相比，该版本采用更高质量的伪标签，在24K Hz频率下训练了20,000小时的音频数据，支持音乐生成。95M参数的模型适合不同的硬件需求，输出75 Hz的特征速率。通过整合MLM预测和批内噪声混合技术，MERT-v1-95M在多种下游任务中表现出色。
MERT-v1-95M项目介绍
项目背景
MERT-v1-95M是一个音乐音频预训练模型，属于大型模型家族的一部分。这个项目力求通过对新范式和数据集的应用，提升音乐理解的能力。该模型在多项任务中表现优异，在早期版本的基础上取得了显著的改进。
模型发展历程
- 2023年2月6日：发布了相关的预印本论文和训练代码。
- 2023年3月17日：推出了MERT-v1-95M和MERT-v1-330M两个型号，它们基于新的训练数据和范式开发而成。
- 2023年3月14日：重新训练了MERT-v0版本，数据集为公开的音乐数据集。
- 2022年12月29日：推出了基于掩码语言模型（MLM）方法训练的音乐理解模型MERT-v0。
- 2022年10月29日：发布了预训练的音乐信息检索模型music2vec。
模型特点
MERT-v1-95M采用掩码语言模型（MLM）作为预训练的核心范式，利用20万小时的音频数据进行训练。模型具有较小的参数量，便于在不同硬件环境下的部署，其训练的音频采样率为24K Hz。这一版本在音乐生成任务中展现了潜力。
技术参数
- 模型大小：95M参数量
- Transformer层-维度：12-768
- 特征速率：75 Hz
- 音频采样率：24K Hz
使用方法
MERT-v1-95M的使用方法非常灵活，用户可以根据需要选择不同模型层的输出。这些层之间的输出在不同任务中的效果可能有所不同，因此可以根据实际任务进行调整。此外，该模型能够处理多种音频输入格式，并在多个音频处理和分类任务中表现良好。
总结
MERT-v1-95M是音乐理解领域的一次重大创新。通过引入新的训练范式和丰富的音频数据，它为更复杂 的音频分析和生成任务提供了坚实的基础。随着技术的进步和应用场景的扩大，MERT-v1-95M必将在更多的音乐和音频处理中展现出卓越的能力。
引用
如果在学术研究中使用MERT-v1-95M，请引用相关论文。
编辑推荐精选
音述AI
全球首个AI音乐社区
音述AI是全球首个AI音乐社区，致力让每个人都能用音乐表达自我。音述AI提供零门槛AI创作工具，独创GETI法则帮助用户精准定义音乐风格，AI润色功能支持自动优化作品质感。音述AI支持交流讨论、二次创作与价值变现。针对中文用户的语言习惯与文化背景进行专门优化，支持国风融合、C-pop等本土音乐标签，让技术更好地承载人文表达。
QoderWork
阿里Qoder团队推出的桌面端AI智能体
QoderWork 是阿里推出的本地优先桌面 AI 智能体，适配 macOS14+/Windows10+，以自然语言交互实现文件管理、数据分析、AI 视觉生成、浏览器自动化等办公任务，自主拆解执行复杂工作流，数据本地运行零上传，技能市场可无限扩展，是高效的 Agentic 生产力办公助手。
lynote.ai
一站式搞定所有学习需求
不再被海量信息淹没，开始真正理解知识。Lynote 可摘要 YouTube 视频、PDF、文章等内容。即时创建笔记，检测 AI 内容并下载资料，将您的学习效率提升 10 倍。
AniShort
为AI短剧协作而生
专为AI短剧协作而生的AniShort正式发布，深度重构AI短剧全流程生产模式，整合创意策划、制作执行、实时协作、在线审片、资产复用等全链路功能，独创无限画布、双轨并行工业化工作流与Ani智能体助手，集成多款主流AI大模型，破解素材零散、版本混乱、沟通低效等行业痛点，助力3人团队效率提升800%，打造标准化、可追溯的AI短剧量产体系，是AI短剧团队协同创作、提升制作效率的核心工具。
seedancetwo2.0
能听懂你表达的视频模型
Seedance two是基于seedance2.0的中国大模 型，支持图像、视频、音频、文本四种模态输入，表达方式更丰富，生成也更可控。
nano-banana纳米香蕉中文站
国内直接访问，限时3折
输入简单文字,生成想要的图片，纳米香蕉中文站基于 Google 模型的 AI 图片生成网站，支持文字生图、图生图。官网价格限时3折活动
扣子-AI办公
职场AI，就用扣子
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！
堆友
多风格AI绘画神器
堆友平台由阿里巴巴设计团队创建，作为一款AI驱动的设计工具，专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图，显著提升设计品质和效率。平台不仅提供工具，还是一个促进创意交流和个人发展的空间，界面友好，适合所有级别的设计师和创意工作者。
码上飞
零代码AI应用开发平台
零代码AI应用开发平台，用户只需一句话简单描述需求，AI能自动生成小程序、APP或H5网页应用，无需编写代码。
Vora
免费创建高清无水印Sora视频
Vora是一个免费创建高清无水印Sora视频的AI工具
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号