Ssast Small Patch Audioset 16 16

🚀 自监督音频频谱图Transformer（在AudioSet/Librispeech上预训练）

自监督音频频谱图Transformer（SSAST）模型，其分类器头未初始化。该模型由Gong等人在论文 SSAST: Self-Supervised Audio Spectrogram Transformer 中提出，并首次在 此仓库 发布。

声明：发布音频频谱图Transformer的团队未为此模型撰写模型卡片。

📚 详细文档

模型信息

模型描述

音频频谱图Transformer等同于 ViT，但应用于音频领域。首先将音频转换为图像（频谱图），然后应用视觉Transformer。该模型在多个音频分类基准测试中取得了最先进的结果。

💻 使用示例

基础用法

该模型在大量音频数据上进行了预训练。由于分类器头未初始化，请在使用前对其进行微调。