Компактная дистиллированная аудио-модель на базе ViT-S, извлекающая 384-мерные акустические представления из двухсекундных фрагментов.

Подходит для: извлечение акустических эмбеддингов из коротких аудиофрагментов · подготовка признаков для классификации аудиособытий · сравнение аудиофрагментов по акустическому сходству