音频谱图变换器（在AudioSet上微调）

音频谱图变换器（AST）模型在AudioSet上进行了微调。它是由Gong等人在 AST: Audio Spectrogram Transformer 论文中介绍的，并在 this repository 年首次发布。

免责声明：发布音频谱图变换器的团队没有为该模型编写模型卡，因此该模型卡是由Hugging Face团队编写的。

模型描述

音频谱图变换器等同于 ViT ，但应用在音频上。音频首先被转换为图像（作为谱图），然后应用了一个视觉变换器。该模型在几个音频分类基准上达到了最先进的结果。

用法

您可以使用原始模型将音频分类为AudioSet类之一。有关详细信息，请参阅 documentation 。