/ Модель

Характеристики

Параметры
113 млн
Архитектура
wav2vec2 · dense
Опубликована
10 мар 2023

wav2vec2_speech_emotion_recognition_trained_on_IEMOCAP

Классификация текстаТекст → label3 профессии

Дообученная wav2vec2-модель классифицирует аудиозаписи речи по четырём эмоциям: радость, гнев, грусть и нейтральное состояние.

190скачиваний за 30 дней0лайковвеса обновлены2 дек 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 canlinzhang/wav2vec2_speech_emotion_recognition_trained_on_IEMOCAP — дообученная на IEMOCAP модель wav2vec2 для классификации эмоций в речи. Она принимает аудиозаписи, нормализованные по громкости и дополненные шумом, изменением высоты тона и растяжением; перед обучением аудио обрезали или дополняли до 8 секунд. Модель различает четыре класса: радость, гнев, грусть и нейтральное состояние; класс frustration не включён.

Модель основана на facebook/wav2vec2-base и содержит 113,3 млн параметров. В независимом от говорящего разделении Ses05F использовался для валидации, а Ses05M — для тестирования. В README указана точность около 67% на валидации после 10 эпох. Лицензия и поддерживаемые языки в предоставленных данных не описаны.

Сценарии применения

  • определение эмоции говорящего в аудиозаписи
  • анализ эмоциональной окраски реплик в диалогах
  • классификация речи на радостную, гневную, грустную или нейтральную
  • исследование распознавания эмоций в речи на данных IEMOCAP

Ограничения

Модель распознаёт только четыре эмоции и не включает frustration; заявленная точность валидации составляет около 67%. Аудио при обучении обрезали или дополняли до 8 секунд, поэтому качество на иных длительностях и условиях записи не подтверждено.

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

This model is fine tuned on the IEMOCAP dataset. We applied volume normalization and data augmentation (noise injection, pitch shift and audio stretching). Also, this is a speaker independent model: We use Ses05F in the IEMOCAP dataset as validation speaker and Ses05M as test speaker.

The initial pre-trained model is facebook/wav2vec2-base. The fine tune dataset only contains 4 common emotions of IEMOCAP (happy, angry, sad, neutral), without frustration. The audios are either padded or trimed to 8-sec-long before fine tuning.

After 10 epoches of training, the validation accuracy is around 67%.

In order to impliment this model: Please run the following code in a python script:

from transformers import AutoFeatureExtractor, AutoModelForAudioClassification
import librosa
import torch

target_sampling_rate = 16000
model_name = 'canlinzhang/wav2vec2_speech_emotion_recognition_trained_on_IEMOCAP'
audio_path = your_audio_path

#build id and label dicts    
id2label = {0:'neu', 1:'ang', 2:'sad', 3:'hap'}
label2id = {'neu':0, 'ang':1, 'sad':2, 'hap':3}

feature_extractor = AutoFeatureExtractor.from_pretrained(model_name)

model = AutoModelForAudioClassification.from_pretrained(model_name)

y_ini, sr_ini = librosa.load(audio_path, sr=target_sampling_rate)

inputs = feature_extractor(y_ini, sampling_rate=target_sampling_rate, return_tensors="pt")

logits = model(**inputs).logits

predicted_class_ids = torch.argmax(logits).item()

pred_class = id2label[predicted_class_ids]

print(pred_class)

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
4e169cc

0 моделей