VGG 有语音或音频吗？

如何解决VGG 有语音或音频吗？

• 我想使用 VGG16（或 VGG19）进行语音聚类任务。
• 我阅读了一些建议使用 VGG（16 或 19）来为聚类算法构建嵌入向量的文章。
• 该过程是将 wav 文件转换为 mfcc 或 plot (Amp vs Time)，并将其用作 VGG 模型的输入。
• 我用 VGG19（和 weights='imagenet'）试过了。
• 我得到了不好的结果，我认为这是因为我使用了错误的权重（图像的权重 (VGG)）的 imagenet

所以：

1. 是否有针对 VGG 的音频/语音训练权重？
2. 如果没有，是否还有其他经过训练的音频/语音模型？