Whisper Tiny De Emodb Emotion Classification

🚀 德語情感分類微調模型：whisper-tiny-de-emodb-emotion-classification

本模型是基於德國Emo - DB數據集對[openai/whisper - tiny](https://huggingface.co/openai/whisper - tiny)進行微調後的版本。它在評估集上取得了如下成果：

• 損失值：0.4912
• 準確率：0.9159

🚀 快速開始

本模型是在德國Emo - DB數據集上對openai/whisper - tiny進行微調得到的。可直接用於德語音頻情感分類任務。

✨ 主要特性

• 微調基礎模型：基於openai/whisper - tiny模型進行微調，繼承了其優秀的音頻處理能力。
• 高準確率：在評估集上達到了0.9159的準確率，能較為準確地進行音頻情感分類。

📦 安裝指南

文檔未提供安裝步驟，故跳過此章節。

💻 使用示例

文檔未提供代碼示例，故跳過此章節。

📚 詳細文檔

模型描述

此模型是在德語Emo - DB數據集上對openai/whisper - tiny進行微調的版本，可用於德語音頻的情感分類。

預期用途與限制

文檔未提供相關詳細信息，故跳過此部分。

訓練和評估數據

文檔未提供相關詳細信息，故跳過此部分。

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率：5e - 05
• 訓練批次大小：2
• 評估批次大小：2
• 隨機種子：42
• 優化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e - 08）
• 學習率調度器類型：線性
• 學習率調度器熱身比例：0.1
• 訓練輪數：10
• 混合精度訓練：Native AMP

訓練結果

框架版本

• Transformers 4.45.0.dev0
• Pytorch 2.4.0 + cu121
• Datasets 3.0.0
• Tokenizers 0.19.1

🔧 技術細節

本模型基於openai/whisper - tiny模型，在德語Emo - DB數據集上進行微調。通過設置特定的超參數，如學習率、批次大小等，使用Adam優化器和線性學習率調度器進行訓練，最終在評估集上取得了較高的準確率。

📄 許可證

本模型採用Apache - 2.0許可證。