A

Ast Finetuned Audioset 12 12 0.447

由MIT開發
基於AudioSet數據集微調的音頻頻譜變換器(AST),採用ViT架構處理音頻頻譜圖,在多個音頻分類基準測試中表現優異。
下載量 25
發布時間 : 11/14/2022

模型概述

該模型將音頻轉換為頻譜圖後通過視覺變換器處理,主要用於音頻分類任務,支持AudioSet的527個類別分類。

模型特點

頻譜圖處理
將音頻信號轉換為頻譜圖後使用視覺變換器處理,實現高效音頻特徵提取。
AudioSet微調
基於大規模AudioSet數據集微調,支持527個音頻類別分類。
ViT架構適配
創新性地將視覺變換器(ViT)架構應用於音頻領域,取得SOTA性能。

模型能力

音頻分類
頻譜圖分析
多類別音頻識別

使用案例

內容分類
環境聲音識別
識別錄音中的環境聲音類型(如雨聲、交通噪聲等)
可準確分類AudioSet包含的527種環境聲音
媒體分析
視頻音軌分析
自動分析視頻中的音軌內容類別
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase