# AudioSet微调

Vit Base Patch16 1024 128.audiomae As2m Ft As20k
基于视觉变换器(ViT)的音频处理模型,通过自监督掩码自编码器(MAE)方法在AudioSet-2M上预训练并在AudioSet-20k上微调
音频分类
V
gaunernst
335
2
Ast Finetuned Audioset 16 16 0.442
Bsd-3-clause
基于AudioSet数据集微调的音频频谱变换器,采用视觉变换器架构处理音频频谱图,在音频分类任务中表现优异。
音频分类 Transformers
A
MIT
35
1
Ast Finetuned Audioset 14 14 0.443
Bsd-3-clause
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架构处理,在音频分类任务中表现优异。
音频分类 Transformers
A
MIT
194.20k
5
Ast Finetuned Audioset 12 12 0.447
Bsd-3-clause
基于AudioSet数据集微调的音频频谱变换器(AST),采用ViT架构处理音频频谱图,在多个音频分类基准测试中表现优异。
音频分类 Transformers
A
MIT
25
0
Ast Finetuned Audioset 10 10 0.448 V2
Bsd-3-clause
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。
音频分类 Transformers
A
MIT
2,072
0
Ast Finetuned Audioset 10 10 0.448
Bsd-3-clause
基于AudioSet数据集微调的音频频谱图变换器(AST),采用视觉变换器结构处理音频频谱图,在音频分类任务中表现优异。
音频分类 Transformers
A
MIT
326
0
Ast Finetuned Audioset 10 10 0.4593
Bsd-3-clause
音频频谱图变换器(AST)是基于AudioSet微调的模型,将音频转换为频谱图后应用视觉变换器进行音频分类。
音频分类 Transformers
A
MIT
308.88k
311
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase