Ast Finetuned Audioset 14 14 0.443

🚀 オーディオスペクトログラムトランスフォーマー (AudioSetでファインチューニング済み)

このモデルは、AudioSetでファインチューニングされたオーディオスペクトログラムトランスフォーマー（AST）です。Gongらによる論文 AST: Audio Spectrogram Transformer で導入され、最初は このリポジトリ で公開されました。

なお、オーディオスペクトログラムトランスフォーマーを公開したチームはこのモデルのモデルカードを作成していないため、このモデルカードはHugging Faceチームによって作成されています。

🚀 クイックスタート

このモデルは、オーディオをAudioSetのクラスのいずれかに分類するために使用できます。詳細については ドキュメント を参照してください。

✨ 主な機能

オーディオスペクトログラムトランスフォーマーは、ViT と同等のモデルですが、オーディオに適用されています。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。

📚 ドキュメント

オーディオをAudioSetのクラスに分類するために、生のモデルを使用することができます。詳細については ドキュメント を参照してください。

📄 ライセンス

このモデルは、BSD 3条項ライセンス（BSD-3-Clause）の下で提供されています。