AcousticSense AI 多场景：ASR 文本 + 音频频谱双模态流派推断

AcousticSense AI 是一个基于计算机视觉和深度学习技术的音乐流派分类平台。系统通过将音频信号转换为梅尔频谱图图像，利用 Vision Transformer 模型进行特征提取，并结合 ASR 识别的文本内容实现双模态联合分析。支持 16 种主流音乐流派的识别，准确率超过 85%。应用场景涵盖音乐流媒体、广播电台自动化及音乐教育研究。技术栈基于 Python、PyTorch 和 Librosa，提供 Web 界面便于部署和使用。