跳到正文
热点事件持续更新

LAION开源音频语料库及CLAP2模型

2 篇报道1 个报道来源29 分钟前更新

先了解这件事

AI 综述

LAION团队发布LAION-Audio-XL大型音频语料库和五个从头训练的CLAP2模型，并开源数据集、字幕、模型权重与代码。语料库由学术数据集、网络集合、Common Crawl和YouTube等来源的14.8亿个音频样本清洗而成，最终包含3.65亿组音频—文本对，总计139万小时和7.07亿条字幕；缺少字幕的样本由模型生成长短两种字幕。 LAION称，CLAP2-L在MAEB-30基准上得分53.6%，是榜单中表现最佳的CLAP模型，并在MAEB和HEAR基准上超过同规模先前模型。随后，OpenCLIP项目发布v4.2，接入支持变长音频与文本的CLAP2，同时加入OpenMaMMUT、GenLIP/GenLAP等模型；相关权重和代码在mlfoundations/openclip开源。

AI 根据报道生成 · 23 分钟前更新

最新进展11月14日 01:26
OpenCLIP v4.2 发布，支持 CLAP2 变长音频与 NaFlexViT

事件进展

2 个进展

  1. 11月14日 01:26 · 1 篇报道
    OpenCLIP 发布 v4.2 更新
    AGI Hunt：OpenCLIP v4.2 发布，支持 CLAP2 变长音频与 NaFlexViT
  2. 11月12日 02:53 · 1 篇报道
    LAION 发布音频语料库与 CLAP2 模型
    AGI Hunt：LAION 发布 LAION-Audio-XL 语料库与 CLAP2 系列模型

报道时间线

沿着报道，了解事件的不同侧面。

11月14日
  1. AGI Hunt
    OpenCLIP v4.2 发布，支持 CLAP2 变长音频与 NaFlexViT

    OpenCLIP v4.2 发布，接入支持变长音频与文本的 CLAP2，并加入 OpenMaMMUT、GenLIP/GenLAP 等模型。NaFlexViT 编码器现支持所有模型的可变分辨率与可变 patch，ModernText 文本塔则引入 RoPE、SwiGLU、门控注意力和长上下文。项目还重构了数据管线与训练栈，相关开源权重和代码位于 mlfoundations/openclip。

11月12日
  1. AGI Hunt
    LAION 发布 LAION-Audio-XL 语料库与 CLAP2 系列模型

    LAION 团队发布 LAION-Audio-XL 语料库与 CLAP2 系列模型，并开源数据集、字幕、模型权重和代码。

本事件热度走势

可比范围当前
3
可比范围峰值
1011月12日 04:00
近 24 小时变化
-51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。