Hubert Base Superb Ic

🚀 Hubert-Base for Intent Classification

このモデルは、音声の意図分類タスクに特化したHubert-Baseモデルです。SUPERBベンチマークの意図分類タスクに対応しており、高精度な音声意図分類を実現します。

🚀 クイックスタート

このモデルは、S3PRLのSUPERB意図分類タスク用のHubert を移植したバージョンです。

ベースモデルは hubert-base-ls960 で、16kHzサンプリングの音声オーディオで事前学習されています。モデルを使用する際には、入力音声も16kHzでサンプリングされていることを確認してください。

詳細情報については、SUPERB: Speech processing Universal PERformance Benchmark を参照してください。

✨ 主な機能

タスクとデータセットの説明

意図分類（IC）は、発話を事前定義されたクラスに分類して、話者の意図を判断します。SUPERBでは、Fluent Speech Commands データセットを使用しており、各発話には action、object、location の3つの意図ラベルが付けられています。

元のモデルの学習と評価の手順については、S3PRL downstream task README を参照してください。

💻 使用例

基本的な使用法

import torch
import librosa
from datasets import load_dataset
from transformers import HubertForSequenceClassification, Wav2Vec2FeatureExtractor

def map_to_array(example):
    speech, _ = librosa.load(example["file"], sr=16000, mono=True)
    example["speech"] = speech
    return example

# load a demo dataset and read audio files
dataset = load_dataset("anton-l/superb_demo", "ic", split="test")
dataset = dataset.map(map_to_array)

model = HubertForSequenceClassification.from_pretrained("superb/hubert-base-superb-ic")
feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained("superb/hubert-base-superb-ic")

# compute attention masks and normalize the waveform if needed
inputs = feature_extractor(dataset[:4]["speech"], sampling_rate=16000, padding=True, return_tensors="pt")

logits = model(**inputs).logits

action_ids = torch.argmax(logits[:, :6], dim=-1).tolist()
action_labels = [model.config.id2label[_id] for _id in action_ids]

object_ids = torch.argmax(logits[:, 6:20], dim=-1).tolist()
object_labels = [model.config.id2label[_id + 6] for _id in object_ids]

location_ids = torch.argmax(logits[:, 20:24], dim=-1).tolist()
location_labels = [model.config.id2label[_id + 20] for _id in location_ids]

📚 ドキュメント

評価結果

評価指標は精度です。

BibTeXエントリと引用情報

@article{yang2021superb,
  title={SUPERB: Speech processing Universal PERformance Benchmark},
  author={Yang, Shu-wen and Chi, Po-Han and Chuang, Yung-Sung and Lai, Cheng-I Jeff and Lakhotia, Kushal and Lin, Yist Y and Liu, Andy T and Shi, Jiatong and Chang, Xuankai and Lin, Guan-Ting and others},
  journal={arXiv preprint arXiv:2105.01051},
  year={2021}
}

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。