Ast Finetuned Speech Commands V2

🚀 音頻頻譜圖變換器（在語音命令v2上微調）

音頻頻譜圖變換器（AST）模型在語音命令v2上進行了微調。該模型由龔等人在論文AST: Audio Spectrogram Transformer中提出，並首次在此倉庫中發佈。它能將音頻分類任務轉化為類似圖像分類的任務，在多個音頻分類基準測試中取得了最先進的成果。

✨ 主要特性

• 跨模態適配：將原本用於圖像的視覺變換器（ViT）架構應用於音頻領域，先將音頻轉換為頻譜圖（圖像形式），再使用視覺變換器進行處理。
• 高性能表現：在多個音頻分類基準測試中取得了最先進的成果。

📚 詳細文檔

模型描述

音頻頻譜圖變換器與ViT類似，但應用於音頻領域。首先將音頻轉換為圖像（頻譜圖），然後應用視覺變換器。該模型在多個音頻分類基準測試中取得了最先進的成果。

使用說明

你可以使用原始模型將音頻分類為語音命令v2中的某一類。更多信息請參閱文檔。

模型指標

免責聲明

發佈音頻頻譜圖變換器的團隊並未為此模型編寫模型卡片，因此此模型卡片由Hugging Face團隊編寫。

📄 許可證

本模型採用BSD 3條款許可證（BSD-3-Clause）。