Wav2vec2 Base Speech Emotion Recognition

🚀 wav2vec2-base-語音情感識別

本模型旨在預測音頻樣本中說話者的情感，基於預訓練模型微調而來，能有效解決語音情感識別問題，為相關領域的研究和應用提供了有力支持。

🚀 快速開始

本模型是 facebook/wav2vec2-base 的微調版本。

它在評估集上取得了以下結果：

• 損失：0.7264
• 準確率：0.7539
• F1值：
  • 加權：0.7514
  • 微平均：0.7539
  • 宏平均：0.7529
• 召回率：
  • 加權：0.7539
  • 微平均：0.7539
  • 宏平均：0.7577
• 精確率：
  • 加權：0.7565
  • 微平均：0.7539
  • 宏平均：0.7558

✨ 主要特性

本模型能夠預測音頻樣本中說話者的情感。

若想了解該模型的創建方式，請查看以下鏈接：https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/tree/main/Audio-Projects/Emotion%20Detection/Speech%20Emotion%20Detection

📚 詳細文檔

預期用途與限制

本模型旨在展示使用技術解決複雜問題的能力。

訓練和評估數據

數據集來源：https://www.kaggle.com/datasets/dmitrybabko/speech-emotion-recognition-en

訓練過程

訓練超參數

訓練期間使用了以下超參數：

• 學習率：3e-05
• 訓練批次大小：32
• 評估批次大小：32
• 隨機種子：42
• 梯度累積步數：4
• 總訓練批次大小：128
• 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

訓練結果

框架版本

• Transformers 4.26.1
• Pytorch 2.0.0+cu118
• Datasets 2.11.0
• Tokenizers 0.13.3

📄 許可證

本項目採用 Apache-2.0 許可證。