Wav2vec2 Xlsr Persian Speech Emotion Recognition

🚀 ペルシャ語（ファルシ語 - fa）の音声における感情認識にWav2Vec 2.0を使用する

このプロジェクトは、Wav2Vec 2.0を用いてペルシャ語（ファルシ語）の音声から感情を認識するモデルを提供します。

🚀 クイックスタート

✨ 主な機能

• ペルシャ語（ファルシ語）の音声から感情を認識する。
• Wav2Vec 2.0モデルを利用して高精度な感情認識を実現する。

📦 インストール

必要なパッケージのインストール

# 必要なパッケージ
!pip install git+https://github.com/huggingface/datasets.git
!pip install git+https://github.com/huggingface/transformers.git
!pip install torchaudio
!pip install librosa

💻 使用例

基本的な使用法

import torch
import torch.nn as nn
import torch.nn.functional as F
import torchaudio
from transformers import AutoConfig, Wav2Vec2FeatureExtractor

import librosa
import IPython.display as ipd
import numpy as np
import pandas as pd

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model_name_or_path = "m3hrdadfi/wav2vec2-xlsr-persian-speech-emotion-recognition"
config = AutoConfig.from_pretrained(model_name_or_path)
feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained(model_name_or_path)
sampling_rate = feature_extractor.sampling_rate
model = Wav2Vec2ForSpeechClassification.from_pretrained(model_name_or_path).to(device)

高度な使用法

def speech_file_to_array_fn(path, sampling_rate):
    speech_array, _sampling_rate = torchaudio.load(path)
    resampler = torchaudio.transforms.Resample(_sampling_rate)
    speech = resampler(speech_array).squeeze().numpy()
    return speech


def predict(path, sampling_rate):
    speech = speech_file_to_array_fn(path, sampling_rate)
    inputs = feature_extractor(speech, sampling_rate=sampling_rate, return_tensors="pt", padding=True)
    inputs = {key: inputs[key].to(device) for key in inputs}

    with torch.no_grad():
        logits = model(**inputs).logits

    scores = F.softmax(logits, dim=1).detach().cpu().numpy()[0]
    outputs = [{"Label": config.id2label[i], "Score": f"{round(score * 100, 3):.1f}%"} for i, score in enumerate(scores)]
    return outputs

path = "/path/to/sadness.wav"
outputs = predict(path, sampling_rate)

[
{'Label': 'Anger', 'Score': '0.0%'},
{'Label': 'Fear', 'Score': '0.0%'},
{'Label': 'Happiness', 'Score': '0.0%'},
{'Label': 'Neutral', 'Score': '0.0%'},
{'Label': 'Sadness', 'Score': '99.9%'},
{'Label': 'Surprise', 'Score': '0.0%'}
]

📚 ドキュメント

評価

以下の表は、モデル全体および各クラスごとのスコアをまとめたものです。

📄 ライセンス

このプロジェクトはApache 2.0ライセンスの下で公開されています。

質問がある場合

こちらからGitHubのissueを投稿してください。