wav2vec_base_crema_sentiment_analysis開源語音情感分析模型

Wav2vec Base Crema Sentiment Analysis

Developed by Piyush2512

基於facebook/wav2vec2-base微調的語音情感分析模型，在評估集上達到70.87%的準確率

Downloads 38

Release Time : 4/23/2024

Model Overview

該模型是針對語音信號進行情感分析的深度學習模型，能夠從語音中識別情感類別。基於wav2vec2架構，適用於語音情感分類任務。

高Top3準確率

在評估集上達到94.5%的Top3準確率，能夠有效識別主要情感類別

基於wav2vec2架構

利用wav2vec2強大的語音特徵提取能力，實現高質量的情感分析

精細調優

經過30輪精細調優，模型性能得到顯著提升

語音情感識別

情感分類

語音特徵提取

情感分析

客服語音分析

分析客戶通話中的情感傾向

可識別客戶滿意度

心理健康評估

通過語音分析用戶情緒狀態

輔助心理健康監測

本模型是 facebook/wav2vec2-base 在未知數據集上的微調版本。它在評估集上取得了以下結果：

更多信息待補充。

更多信息待補充。

更多信息待補充。

訓練過程中使用了以下超參數：

訓練損失	輪數	步數	前3準確率	驗證損失	準確率
1.7821	0.9829	43	0.6711	1.7729	0.2957
1.6948	1.9886	87	0.7643	1.6510	0.3513
1.4876	2.9943	131	0.8593	1.4541	0.4615
1.3657	4.0	175	0.9095	1.3136	0.5421
1.2277	4.9829	218	0.9220	1.2109	0.5824
1.1083	5.9886	262	0.9203	1.1539	0.6030
1.0069	6.9943	306	0.9382	1.0568	0.6496
0.9566	8.0	350	0.9337	1.0153	0.6667
0.8801	8.9829	393	0.9373	0.9970	0.6622
0.8529	9.9886	437	0.9346	0.9792	0.6720
0.7565	10.9943	481	0.9471	0.9475	0.6882
0.7427	12.0	525	0.9462	0.9413	0.6783
0.6616	12.9829	568	0.9516	0.9155	0.6980
0.6539	13.9886	612	0.9543	0.9015	0.6944
0.6036	14.9943	656	0.9471	0.8954	0.6962
0.607	16.0	700	0.9507	0.9088	0.7007
0.5829	16.9829	743	0.9471	0.8934	0.7043
0.5772	17.9886	787	0.9543	0.9182	0.6837
0.5332	18.9943	831	0.9552	0.8802	0.7052
0.5096	20.0	875	0.9525	0.9697	0.6676
0.524	20.9829	918	0.9588	0.8813	0.7061
0.5195	21.9886	962	0.9588	0.8753	0.7142
0.4594	22.9943	1006	0.9552	0.9003	0.7007
0.4478	24.0	1050	0.9561	0.8869	0.6998
0.4578	24.9829	1093	0.9624	0.8874	0.7070
0.4516	25.9886	1137	0.9606	0.8648	0.7142
0.4574	26.9943	1181	0.9597	0.8755	0.7133
0.4093	28.0	1225	0.9615	0.8804	0.7043
0.4216	28.9829	1268	0.9606	0.8814	0.7088
0.4257	29.4857	1290	0.9606	0.8805	0.7097