许可证：bsd-3-clause
标签：

• 音频分类

音频频谱图变换器（基于AudioSet微调）

本模型为基于AudioSet数据集微调的音频频谱图变换器（AST）。该模型由Gong等人在论文AST: Audio Spectrogram Transformer中提出，并首次发布于此代码库。

免责声明：发布音频频谱图变换器的团队未编写此模型的说明文档，本文档由Hugging Face团队撰写。

模型描述

音频频谱图变换器与ViT结构等效，但应用于音频领域。音频首先被转换为图像（以频谱图形式），随后通过视觉变换器进行处理。该模型在多个音频分类基准测试中取得了最先进的成果。

使用方式

您可直接使用该原始模型将音频分类至AudioSet的类别之一。更多信息请参阅文档。