Ast Finetuned Audioset 10 10 0.448 V2

🚀 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 で紹介され、このリポジトリ で最初に公開されました。

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。

✨ 主な機能

📚 ドキュメント

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。オーディオはまず画像（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。

💻 使用例

生モデルを使用して、オーディオをAudioSetのクラスのいずれかに分類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。