Wav2vec2 Base Superb Er

🚀 用於情感識別的Wav2Vec2-Base模型

本模型可用於語音情感識別任務，基於預訓練的wav2vec2-base模型進行微調，能有效對語音中的情感類別進行預測。

🚀 快速開始

你可以使用以下代碼示例來使用該模型：

基礎用法

from datasets import load_dataset
from transformers import pipeline

dataset = load_dataset("anton-l/superb_demo", "er", split="session1")

classifier = pipeline("audio-classification", model="superb/wav2vec2-base-superb-er")
labels = classifier(dataset[0]["file"], top_k=5)

高級用法

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", "er", split="session1")
dataset = dataset.map(map_to_array)

model = Wav2Vec2ForSequenceClassification.from_pretrained("superb/wav2vec2-base-superb-er")
feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained("superb/wav2vec2-base-superb-er")

# 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
predicted_ids = torch.argmax(logits, dim=-1)
labels = [model.config.id2label[_id] for _id in predicted_ids.tolist()]

✨ 主要特性

• 該模型是 S3PRL的Wav2Vec2用於SUPERB情感識別任務 的移植版本。
• 基礎模型為 wav2vec2-base，在16kHz採樣的語音音頻上進行了預訓練，使用時請確保輸入語音也為16kHz採樣。
• 更多信息可參考 SUPERB: Speech processing Universal PERformance Benchmark。

📚 詳細文檔

任務和數據集描述

情感識別（ER）為每個語音片段預測一個情感類別。本模型採用了最廣泛使用的ER數據集 IEMOCAP，並遵循傳統的評估協議：去除不平衡的情感類別，保留最終四個數據點數量相近的類別，並在標準分割的五個折上進行交叉驗證。

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。