Wav2vec2 Base Toronto Emotional Speech Set

🚀 wav2vec2-base-Toronto_emotional_speech_set

該模型是基於 facebook/wav2vec2-base 在 audiofolder 數據集上進行微調的版本。它在解決音頻情感分類問題上表現出色，能夠準確識別音頻樣本中說話者的情感。

🚀 快速開始

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

• 損失值：0.4925
• 準確率：0.8804
• 加權 F1 值：0.8837
• 微平均 F1 值：0.8804
• 宏平均 F1 值：0.8822
• 加權召回率：0.8804
• 微平均召回率：0.8804
• 宏平均召回率：0.8757
• 加權精確率：0.9044
• 微平均精確率：0.8804
• 宏平均精確率：0.9059

✨ 主要特性

• 情感分類：該模型能夠對音頻樣本中說話者的情感進行分類。
• 評估指標優秀：在評估集上，模型在損失、準確率、F1 值、召回率和精確率等多個指標上都取得了良好的成績。

📚 詳細文檔

模型描述

此模型用於對音頻樣本中說話者的情感進行分類。

如需瞭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/blob/main/Audio-Projects/Emotion%20Detection/Toronto%20Emotional%20Speech%20Set%20(TESS)/Toronto%20Emotional%20Speech%20Set%20(TESS).ipynb

預期用途與限制

該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/ejlok1/toronto-emotional-speech-set-tess

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：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：15

訓練結果

框架版本

• Transformers 4.27.4
• Pytorch 2.0.0
• Datasets 2.11.0
• Tokenizers 0.13.3

📄 許可證

本項目採用 Apache - 2.0 許可證。