بينما تم اقتراح ودراسة معمارية فعالة ومجموعة كبيرة من التعزيزات لمهام تصنيف الصور من النهاية إلى النهاية، لا تزال التقنيات المتقدمة في تصنيف الصوت تعتمد على العديد من تمثيلات الإشارة الصوتية مع معماريات كبيرة، والتي يتم ضبطها بدقة من قواعد بيانات ضخمة. من خلال الاستفادة من الطبيعة الخفيفة الموروثة للصوت والتعزيزات الصوتية الجديدة، تمكنا من تقديم شبكة فعالة من النهاية إلى النهاية ذات قدرة تعميم قوية. تظهر التجارب على مجموعة متنوعة من مجموعات تصنيف الأصوات فعالية ومتانة نهجنا، حيث حققنا نتائجًا متقدمة في مختلف الإعدادات. الرمز العام متاح على الرابط التالي:\href{https://github.com/Alibaba-MIIL/AudioClassfication}{هذا الرابط}