许可证: bsd-3-clause 数据集:

• speech_commands 标签:
• 音频分类 模型索引:
• 名称: MIT/ast-finetuned-speech-commands-v2 结果:
  • 任务: 类型: 音频分类 数据集: 名称: Speech Commands v2 类型: speech_commands 指标:
    • 类型: 准确率 值: 98.12

音频频谱图变换器（基于Speech Commands v2微调）

音频频谱图变换器（AST）模型基于Speech Commands v2数据集微调。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为此模型编写模型卡，因此本模型卡由Hugging Face团队撰写。

模型描述

音频频谱图变换器相当于应用于音频的ViT。音频首先被转换为图像（作为频谱图），然后应用视觉变换器。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

您可以使用原始模型将音频分类为Speech Commands v2中的某个类别。更多信息请参阅文档。