Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Опубликована: 5 мар 2024

Ссылки

Hugging Face

wav2vec2-base-arabic_speech_emotion_recognition

ahmmedasaad2772

Классификация текстаТекст → label3 профессии

Дообученная wav2vec2-модель для классификации аудио и распознавания эмоций в арабской речи.

122скачиваний за 30 дней2лайкавеса обновлены5 мар 2024

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

ahmmedasaad2772/wav2vec2-base-arabic_speech_emotion_recognition — модель классификации аудио на базе архитектуры wav2vec2, дообученная на датасете audiofolder. В репозитории указано, что исходной моделью была facebook/wav2vec2-base; модель содержит 113,3 млн параметров и распространяется в формате PyTorch.

Модель предназначена для распознавания эмоций в арабской речи. В README приведены результаты оценки: accuracy 0,9992 и macro F1 0,9993, однако сведения о составе классов, размере и разделении датасета отсутствуют, поэтому эти показатели нельзя уверенно переносить на другие данные и условия записи.

Лицензия — Apache-2.0. Карточка не описывает поддерживаемые варианты арабского языка, требования к аудиоформату и известные ограничения применения.

Сценарии применения

распознавание эмоций в арабской речи
классификация эмоциональной окраски аудиозаписей
анализ эмоционального тона голосовых сообщений

Ограничения

Сведения о классах эмоций, вариантах арабского языка и условиях записи не приведены. Высокие метрики указаны для evaluation set, но состав и размер набора не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-arabic_speech_emotion_recognition

This model is a fine-tuned version of facebook/wav2vec2-base on the audiofolder dataset. It achieves the following results on the evaluation set:

Loss: 0.0430
Accuracy: 0.9992
Weighted f1: 0.9992
Micro f1: 0.9992
Macro f1: 0.9993
Weighted recall: 0.9992
Micro recall: 0.9992
Macro recall: 0.9992
Weighted precision: 0.9992
Micro precision: 0.9992
Macro precision: 0.9993

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: 3e-05
train_batch_size: 32
eval_batch_size: 32
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 128
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	Weighted f1	Micro f1	Macro f1	Weighted recall	Micro recall	Macro recall	Weighted precision	Micro precision	Macro precision
1.6078	0.98	29	1.4403	0.5227	0.4478	0.5227	0.4426	0.5227	0.5227	0.5187	0.4200	0.5227	0.4145
1.6078	1.98	58	0.7310	0.9808	0.9808	0.9808	0.9809	0.9808	0.9808	0.9799	0.9816	0.9808	0.9827
1.6078	2.98	87	0.2797	0.9992	0.9992	0.9992	0.9993	0.9992	0.9992	0.9992	0.9992	0.9992	0.9993
1.6078	3.98	116	0.1361	0.9992	0.9992	0.9992	0.9993	0.9992	0.9992	0.9992	0.9992	0.9992	0.9993
1.6078	4.98	145	0.0855	0.9992	0.9992	0.9992	0.9993	0.9992	0.9992	0.9992	0.9992	0.9992	0.9993
1.6078	5.98	174	0.0638	0.9992	0.9992	0.9992	0.9993	0.9992	0.9992	0.9992	0.9992	0.9992	0.9993
1.6078	6.98	203	0.0529	0.9992	0.9992	0.9992	0.9993	0.9992	0.9992	0.9992	0.9992	0.9992	0.9993
1.6078	7.98	232	0.0470	0.9992	0.9992	0.9992	0.9993	0.9992	0.9992	0.9992	0.9992	0.9992	0.9993
1.6078	8.98	261	0.0440	0.9992	0.9992	0.9992	0.9993	0.9992	0.9992	0.9992	0.9992	0.9992	0.9993
1.6078	9.98	290	0.0430	0.9992	0.9992	0.9992	0.9993	0.9992	0.9992	0.9992	0.9992	0.9992	0.9993

Framework versions

Transformers 4.26.1
Pytorch 2.1.0+cu121
Datasets 2.18.0
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: 48eaec6