Ssast Small Patch Audioset 16 16

🚀 Self Supervised Audio Spectrogram Transformer (AudioSet/Librispeechで事前学習済み)

Self Supervised Audio Spectrogram Transformer (SSAST) モデルは、未初期化の分類器ヘッドを持っています。このモデルは、Gongらによる論文 SSAST: Self-Supervised Audio Spectrogram Transformer で紹介され、このリポジトリ で最初に公開されました。

なお、Audio Spectrogram Transformerを公開したチームは、このモデルについてモデルカードを作成していません。

✨ 主な機能

データセット

パイプラインタグ

• オーディオ分類

タグ

• オーディオ分類

ライセンス

BSD 3条項ライセンス

📚 ドキュメント

モデルの説明

オーディオスペクトログラムトランスフォーマーは、ViT と同等ですが、オーディオに適用されます。オーディオは最初に画像（スペクトログラム）に変換され、その後ビジョントランスフォーマーが適用されます。このモデルは、いくつかのオーディオ分類ベンチマークで最先端の結果を得ています。

使用方法

このモデルは大量のオーディオデータで事前学習されています。分類器ヘッドは未初期化の状態で提供されるため、使用前に微調整してください。

📄 ライセンス

このモデルはBSD 3条項ライセンスの下で提供されています。