许可证: bsd-3-clause 标签:

• 音频分类

音频频谱变换器（基于AudioSet微调）

本模型是基于AudioSet数据集微调的音频频谱变换器（AST）。该模型由Gong等人在论文AST: 音频频谱变换器中首次提出，并发布于此代码库。

免责声明：发布音频频谱变换器的团队未提供本模型的说明卡片，故本卡片由Hugging Face团队撰写。

模型描述

音频频谱变换器本质上等同于ViT视觉变换器，但应用于音频领域。音频首先被转换为频谱图形式的图像，随后采用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

您可以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说明。