%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Ast Finetuned Audioset 10 10 0.448 V2
基于AudioSet数据集微调的音频频谱图变换器，将音频转换为频谱图后使用视觉变换器处理，在音频分类任务中表现优异。
Downloads 2,072
Release Time : 11/14/2022
Model Overview
该模型是基于ViT架构的音频分类模型，通过将音频信号转换为频谱图形式，再利用视觉变换器进行处理，适用于多种音频分类任务。
Model Features
频谱图转换处理
将音频信号转换为频谱图形式，利用视觉变换器架构进行处理，有效捕捉音频特征。
AudioSet微调
基于大规模音频数据集AudioSet进行微调，具备强大的音频分类能力。
SOTA性能
在多个音频分类基准测试中取得了最先进的性能表现。
Model Capabilities
音频分类
频谱图分析
音频特征提取
Use Cases
音频内容分析
环境声音分类
识别和分类环境中的各种声音类型，如动物叫声、交通工具声等。
高准确度的声音类别识别
音乐分类
对音乐片段进行流派、乐器等分类。
多媒体内容审核
违规音频检测
识别音频内容中可能存在的违规或敏感内容。
PyTorchFeatured Recommended AI Models
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型，性能媲美GPT-3.5-turbo，优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers Supports Multiple Languages
Transformers Supports Multiple LanguagesL
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型，专为边缘设备推理设计，体积仅为Cosmo-3B模型的2%左右。
对话系统 Transformers English
Transformers EnglishC
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型，适用于从给定文本中提取答案的任务。
问答系统 Chinese
R
uer
2,694
98