A

Ast Finetuned Audioset 10 10 0.448 V2

由 MIT 开发
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。
下载量 2,072
发布时间 : 11/14/2022

模型简介

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。

模型特点

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。

模型能力

音频分类
频谱图分析
音频特征提取

使用案例

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。
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase