音频声谱图转换器（在AudioSet上微调）

音频声谱图转换器（AST）模型在AudioSet上进行了微调。该模型在 Gong 等人的论文 AST: Audio Spectrogram Transformer 中首次提出，并于 this repository 首次发布。

免责声明：发布音频声谱图转换器的团队并未为该模型编写模型卡，因此这个模型卡是由 Hugging Face 团队编写的。

模型描述

音频声谱图转换器等同于 ViT ，但应用于音频。音频首先被转换为图像（即声谱图），然后应用视觉转换器。该模型在多个音频分类基准测试中获得了最先进的结果。

用法

您可以使用原始模型将音频分类为AudioSet中的一个类别。有关更多信息，请参阅 documentation 。