近年来，机器学习到时识取在处理陆地地震方面展现了出色的准确性和高效性，以及良好的可移植性，并被广泛应用于快速高精度地震目录构建和地震层析成像。这些结果可以帮助理解精细的地震开始和演化过程以及其周围结构的孕震环境和机理。然而，机器学习模型目前很少在海底地震数据（OBS）上直接训练，因为OBS数据有很强的噪音，并且缺乏足够数量的精确人工震相标记。在本次报告中，我将简要介绍几个基于机器学习到时构建地震目录和速度成像的应用，并重点介绍通过对全球11个OBS台网自动到时标记和迁移学习而开发的OBS到时识取模型—OBSTransformer.