Voice Gender Classifier

🚀 音声性別分類器

このリポジトリには、事前学習済みの人の音声性別分類器を使用するための推論コードが含まれています。また、Huggingfaceのオンラインデモも試すことができます。

🚀 クイックスタート

音声性別分類器を使って、音声の性別を分類することができます。以下に手順を説明します。

📦 インストール

まず、元のGitHubリポジトリをクローンします。

git clone https://github.com/JaesungHuh/voice-gender-classifier.git

そして、pipを使ってパッケージをインストールします。

cd voice-gender-classifier
pip install -r requirements.txt

💻 使用例

基本的な使用法

import torch

from model import ECAPA_gender

# You could directly download the model from the huggingface model hub
model = ECAPA_gender.from_pretrained("JaesungHuh/voice-gender-classifier")
model.eval()

# If you are using gpu .... 
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)

# Load the audio file and use predict function to directly get the output
example_file = "data/00001.wav"
with torch.no_grad():
    output = model.predict(example_file, device=device)
    print("Gender : ", output)

📚 ドキュメント

事前学習済みの重み

事前学習済みの重みが必要な方は、こちらからダウンロードしてください。

学習の詳細

最先端の話者認証モデルは、すでに話者の性別の良い表現を生成しています。

私はTaoRuijieのリポジトリから事前学習済みのECAPA - TDNNを使用し、2クラス分類器を作成するために1つの線形層を追加し、VoxCeleb2の開発セットでモデルを微調整しました。

このモデルは、VoxCeleb1の識別テストスプリットで**98.7%**の精度を達成しました。

注意事項

このモデルに使用した学習データセット（VoxCeleb）は、世界の人類全体を代表していない可能性があります。このモデルを使用する際には、意図しないバイアスに注意してください。

参考文献

• 元のGitHubリポジトリ
• モデルアーキテクチャはTaoRuijieのリポジトリから変更しています。
• ECAPA - TDNNの詳細については、論文を確認してください。

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。