Wav2vec2 Base Superb Ic

🚀 用於意圖分類的Wav2Vec2-Base模型

本模型主要用於語音的意圖分類任務，基於預訓練的wav2vec2-base模型，能將語音輸入分類到預定義的類別中，從而確定說話者的意圖。

🚀 快速開始

本模型是 S3PRL的Wav2Vec2用於SUPERB意圖分類任務 的移植版本。 基礎模型為 wav2vec2-base，它在16kHz採樣的語音音頻上進行了預訓練。使用該模型時，請確保您的語音輸入也採樣為16kHz。 更多信息請參考 SUPERB: 語音處理通用性能基準。

✨ 主要特性

• 基於預訓練的wav2vec2-base模型，在語音意圖分類任務上表現出色。
• 可處理16kHz採樣的語音輸入。

📦 安裝指南

文檔未提及安裝步驟，可參考相關依賴庫（如torch、librosa、datasets、transformers）的官方安裝指南進行安裝。

💻 使用示例

基礎用法

import torch
import librosa
from datasets import load_dataset
from transformers import Wav2Vec2ForSequenceClassification, 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 = Wav2Vec2ForSequenceClassification.from_pretrained("superb/wav2vec2-base-superb-ic")
feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained("superb/wav2vec2-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]

📚 詳細文檔

任務和數據集描述

意圖分類（IC）將話語分類到預定義的類別中，以確定說話者的意圖。SUPERB使用 Fluent Speech Commands 數據集，其中每個話語都標記有三個意圖標籤：動作、對象 和 位置。 有關原始模型的訓練和評估說明，請參考 S3PRL下游任務README。

評估結果

評估指標為準確率。

BibTeX引用和引用信息

@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}
}

📄 許可證

本項目採用Apache-2.0許可證。