# AudioSet微調

Vit Base Patch16 1024 128.audiomae As2m Ft As20k
基於視覺變換器(ViT)的音頻處理模型,通過自監督掩碼自編碼器(MAE)方法在AudioSet-2M上預訓練並在AudioSet-20k上微調
音頻分類
V
gaunernst
335
2
Ast Finetuned Audioset 16 16 0.442
Bsd-3-clause
基於AudioSet數據集微調的音頻頻譜變換器,採用視覺變換器架構處理音頻頻譜圖,在音頻分類任務中表現優異。
音頻分類 Transformers
A
MIT
35
1
Ast Finetuned Audioset 14 14 0.443
Bsd-3-clause
基於AudioSet數據集微調的音頻頻譜圖變換器,將音頻轉換為頻譜圖後使用視覺變換器架構處理,在音頻分類任務中表現優異。
音頻分類 Transformers
A
MIT
194.20k
5
Ast Finetuned Audioset 12 12 0.447
Bsd-3-clause
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。
音頻分類 Transformers
A
MIT
25
0
Ast Finetuned Audioset 10 10 0.448 V2
Bsd-3-clause
基於AudioSet數據集微調的音頻頻譜圖變換器,將音頻轉換為頻譜圖後使用視覺變換器處理,在音頻分類任務中表現優異。
音頻分類 Transformers
A
MIT
2,072
0
Ast Finetuned Audioset 10 10 0.448
Bsd-3-clause
基於AudioSet數據集微調的音頻頻譜圖變換器(AST),採用視覺變換器結構處理音頻頻譜圖,在音頻分類任務中表現優異。
音頻分類 Transformers
A
MIT
326
0
Ast Finetuned Audioset 10 10 0.4593
Bsd-3-clause
音頻頻譜圖變換器(AST)是基於AudioSet微調的模型,將音頻轉換為頻譜圖後應用視覺變換器進行音頻分類。
音頻分類 Transformers
A
MIT
308.88k
311
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase