/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
hubert · dense
Базовая модель
hubert-large-ls960-ft
Опубликована
28 мая 2023

hubert-large-speech-emotion-recognition-russian-dusha-finetuned

Классификация текстаТекст → label3 профессии

HuBERT Large, дообученная на DUSHA модель для классификации эмоций в русской речи по аудио.

238 тыс.скачиваний за 30 дней22лайкавеса обновлены26 апр 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

Модель xbgoose/hubert-large-speech-emotion-recognition-russian-dusha-finetuned — аудиоклассификатор для распознавания эмоций в русской речи. Она разработана на основе HuBERT Large facebook/hubert-large-ls960-ft и дообучена на наборе данных DUSHA; архитектура — HuBERTForSequenceClassification, размер — 402,7 млн параметров. Модель принимает аудио и выдаёт метки классов эмоций.

В карточке указано, что при дообучении использовали половину обучающей выборки и обучали модель два эпохи. На тестовой выборке автор получил accuracy 0,86, balanced accuracy 0,76 и macro F1 0,81, улучшив accuracy и F1 относительно базового результата датасета. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • определение эмоций в русскоязычной речи
  • анализ эмоциональной окраски голосовых сообщений
  • разметка эмоций в аудиозаписях разговоров

Ограничения

Заявленные метрики получены на тестовой выборке DUSHA; карточка не приводит подробностей о переносе качества на другие наборы данных и условия записи. Для дообучения использовали только половину обучающей выборки.

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

HuBERT fine-tuned on DUSHA dataset for speech emotion recognition in russian language

The pre-trained model is this one - facebook/hubert-large-ls960-ft

The DUSHA dataset used can be found here

Fine-tuning

Fine-tuned in Google Colab using Pro account with A100 GPU

Freezed all layers exept projector, classifier and all 24 HubertEncoderLayerStableLayerNorm layers

Used half of the train dataset

Training parameters

  • 2 epochs
  • train batch size = 8
  • eval batch size = 8
  • gradient accumulation steps = 4
  • learning rate = 5e-5 without warm up and decay

Metrics

Achieved

  • accuracy = 0.86
  • balanced = 0.76
  • macro f1 score = 0.81 on test set, improving accucary and f1 score compared to dataset baseline

Usage

from transformers import HubertForSequenceClassification, Wav2Vec2FeatureExtractor
import torchaudio
import torch

feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained("facebook/hubert-large-ls960-ft")
model = HubertForSequenceClassification.from_pretrained("xbgoose/hubert-speech-emotion-recognition-russian-dusha-finetuned")
num2emotion = {0: 'neutral', 1: 'angry', 2: 'positive', 3: 'sad', 4: 'other'}

filepath = "path/to/audio.wav"

waveform, sample_rate = torchaudio.load(filepath, normalize=True)
transform = torchaudio.transforms.Resample(sample_rate, 16000)
waveform = transform(waveform)

inputs = feature_extractor(
        waveform, 
        sampling_rate=feature_extractor.sampling_rate, 
        return_tensors="pt",
        padding=True,
        max_length=16000 * 10,
        truncation=True
    )

logits = model(inputs['input_values'][0]).logits
predictions = torch.argmax(logits, dim=-1)
predicted_emotion = num2emotion[predictions.numpy()[0]]
print(predicted_emotion)

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Для архитектуры hubert нет загрузчика под задачу text-classification.

Класс архитектуры
HubertForSequenceClassification
Ревизия весов
2eaa204

0 моделей