Ast Finetuned Audioset 10 10 0.450

🚀 音声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音声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、音声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について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、音声を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

音声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、音声に適用されています。音声はまず画像（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、いくつかの音声分類ベンチマークで最先端の結果を達成しています。

📄 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。