/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
31 авг 2023

wav2vec2-lg-xlsr-en-speech-emotion-recognition-finetuned-ravdess-v8

Классификация текстаТекст → label3 профессии

Дообученная Wav2Vec2-модель классифицирует эмоции в аудиозаписях речи, прежде всего англоязычной.

386скачиваний за 30 дней4лайкавеса обновлены31 авг 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель Wiam — дообученная версия ehcalabres/wav2vec2-lg-xlsr-en-speech-emotion-recognition на наборе данных, который в карточке не раскрыт. Она использует архитектуру Wav2Vec2ForSequenceClassification и предназначена для классификации аудио с речью по эмоциональным категориям. Модель принимает аудио и выдаёт метку класса; базовая модель описана как распознающая восемь эмоций в англоязычной речи.

На оценочной выборке указаны accuracy 0,75 и loss 0,6778. Лицензия — Apache-2.0. Поскольку состав обучающих данных и подробные ограничения не описаны, качество на других корпусах и языках может отличаться; подтверждена оценка только на указанной выборке.

Сценарии применения

  • определение эмоций в англоязычных речевых записях
  • анализ эмоциональной окраски реплик
  • классификация эмоциональных состояний в голосовых данных

Ограничения

В README указаны accuracy 0,75 и loss 0,6778 на оценочной выборке, но сам набор данных и его состав не описаны. Поддержка языков и качество за пределами англоязычной речи не подтверждены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-lg-xlsr-en-speech-emotion-recognition-finetuned-ravdess-v8

This model is a fine-tuned version of ehcalabres/wav2vec2-lg-xlsr-en-speech-emotion-recognition on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6778
  • Accuracy: 0.75

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 8
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3

Training results

Training LossEpochStepValidation LossAccuracy
2.01780.15251.84310.6181
1.70820.31501.50520.5833
1.44440.46751.34580.5972
1.38880.621001.27600.5972
1.18190.771251.10750.6667
1.16150.931501.06660.625
1.16591.081751.34500.5694
0.97981.232000.98660.6528
0.98931.392250.93110.6806
0.93571.542500.97830.6736
0.79981.72750.79240.7014
0.74441.853000.89800.6806
0.76482.013250.89940.7153
0.6072.163500.94160.6597
0.55512.313750.77910.7431
0.54952.474000.76650.7431
0.54982.624250.80170.7222
0.48872.784500.69670.7639
0.53082.934750.68570.7569

Framework versions

  • Transformers 4.32.1
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.4
  • Tokenizers 0.13.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры
Wav2Vec2ForSequenceClassification
Ревизия весов
b26d7fb

0 моделей