license: bsd-3-clause tags:

• 音频分类

音频频谱图变换器（基于AudioSet微调）

音频频谱图变换器（AST）是基于AudioSet微调的模型。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，故本模型卡由Hugging Face团队撰写。

模型描述

音频频谱图变换器等效于ViT，但应用于音频领域。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结果。

使用方式

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