Ast Finetuned Audioset 10 10 0.4593

🚀 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、最初は このリポジトリ で公開されました。

免責事項: 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ました。

🚀 クイックスタート

オーディオスペクトログラムトランスフォーマーは、音声分類に特化したモデルです。音声をスペクトログラムに変換し、それを画像として扱ってVision Transformerを適用することで、高精度な音声分類を実現します。

✨ 主な機能

• AudioSetでファインチューニングされた、最先端の音声分類モデルです。
• 音声をスペクトログラムに変換し、Vision Transformerを適用する独自のアプローチを採用しています。
• 複数の音声分類ベンチマークで、高い精度を達成しています。

📚 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 と同等のモデルですが、音声に適用されています。音声は最初に画像（スペクトログラム）に変換され、その後Vision Transformer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得ています。

使用方法

生のモデルを使用して、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。