Ssast Small Patch Audioset 16 16

🚀 自監督音頻頻譜圖Transformer（在AudioSet/Librispeech上預訓練）

自監督音頻頻譜圖Transformer（SSAST）模型，其分類器頭未初始化。該模型由Gong等人在論文 SSAST: Self-Supervised Audio Spectrogram Transformer 中提出，並首次在 此倉庫 發佈。

聲明：發佈音頻頻譜圖Transformer的團隊未為此模型撰寫模型卡片。

📚 詳細文檔

模型信息

模型描述

音頻頻譜圖Transformer等同於 ViT，但應用於音頻領域。首先將音頻轉換為圖像（頻譜圖），然後應用視覺Transformer。該模型在多個音頻分類基準測試中取得了最先進的結果。

💻 使用示例

基礎用法

該模型在大量音頻數據上進行了預訓練。由於分類器頭未初始化，請在使用前對其進行微調。