Ast Finetuned Audioset 16 16 0.442

🚀 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)

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）モデルです。オーディオ分類タスクに適用され、高い性能を発揮します。

🚀 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（AST）は、ViT と同等の構造を持ち、オーディオデータに適用されます。オーディオは最初にスペクトログラムとして画像に変換され、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達成しています。

このモデルは、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。

✨ 主な機能

• オーディオをスペクトログラムに変換し、ビジョントランスフォーマーを適用することで、オーディオ分類タスクに対応。
• 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達成。

💻 使用例

基本的な使用法

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条項ライセンスの下で提供されています。