# 多情感分類

基於WavLM-Base微調的語音情感識別模型，能夠將音頻分類為7種不同情感

基於Whisper-Large V3的語音情感識別模型，專為MSP-Podcast數據集優化，支持9種情感分類

基於DistilBERT的情感分析模型，用於將產品評論分類為正面、負面或中性

基於 DeBERTa 的日語文本情感預測模型，支持8種情感分類。

基於微調後的 DeBERTa 模型，用於進行日語文本情感預測的 Python 包。

基於ModernBERT-base微調的多類別情感分類模型，可識別7種情感標籤

這是一個基於音頻頻譜圖變壓器（AST）的微調模型，專門用於語音音頻中的情感分類。

基於Wav2Vec2架構微調的英語語音情感識別模型，可識別六種情感狀態

基於RoBERTa架構微調的捷克語情感分類模型，支持六種情感類別識別

基於RoBERTa微調的德語情感分類模型，可將文本分類為憤怒、恐懼、厭惡、悲傷、快樂及無上述情緒六種情感類別。

該模型使用微調的wav2vec2（基礎）架構，在IEMOCAP數據集上訓練，用於語音情感識別任務。

基於facebook/wav2vec2-base微調的阿拉伯語語音情感識別模型，在評估集上取得了99.92%的準確率。

基於shhossain/whisper-tiny-bn微調的情感分類模型，可識別孟加拉語中的7種基礎情感

基於騰訊遊戲夥伴的中文HuBERT預訓練模型，在CASIA數據集上微調的中文語音情感分類模型，支持6種情感識別。

一個基於文本的情感分類模型，能夠識別憤怒、厭惡、恐懼、快樂、中性和悲傷六種情感。

基於AST架構微調的俄語語音情感分類模型，支持7種情感狀態識別

基於Luke-japanese-large-lite微調的日語情感分析模型，能夠識別文本中的八種情感類型

基於wav2vec2的德語語音情感檢測模型，在emo-DB數據集上訓練，能夠識別7種不同情感。

這是一個基於Transformer的情感分類模型，能夠識別輸入文本中的32種不同情感。

基於facebook/wav2vec2-large-xlsr-53微調的烏爾都語音頻情感分類模型，支持憤怒、快樂、平靜、悲傷四類情感識別

這是一個基於XLS-R Wav2Vec2架構的俄語語音情感識別模型，能夠識別7種基本情感，準確率達72%。

基於Wav2Vec 2.0架構的希臘語語音情感識別模型，能夠識別憤怒、厭惡、恐懼、快樂和悲傷五種情感。

這是一個基於Wav2Vec2-Large模型的情感識別模型，專門用於從語音中識別情感類別。

基於Hubert-Large預訓練模型的情感識別模型，用於預測語音中的情感類別

基於DistilBERT的輕量級情感分析模型，通過知識蒸餾技術保留了BERT 97%的語言理解能力，體積縮小40%，推理速度更快。

基於RoBERTa架構的文本分類模型，專門針對GoEmotions數據集進行微調，用於識別28種不同情感。

該模型是基於谷歌T5-base模型在情感識別數據集上微調而成，用於文本情感分類任務，可將文本分類為6種基本情感。

基於Wav2Vec 2.0微調的語音情感識別模型，支持識別8種英語情感，在RAVDESS數據集上準確率達82.23%

這是一個基於Wav2Vec 2.0架構的波斯語語音情感識別模型，能夠識別六種基本情感狀態。

基於XLSR-Wav2Vec架構的語音情感識別模型，能夠識別五種基本情感：憤怒、厭惡、恐懼、快樂和悲傷。

該模型是基於Hubert-Base架構的情感識別模型，在SUPERB情感識別任務上訓練，用於語音情感分類

這是一個基於FlauBERT的法語情感分析模型，能夠檢測文本中的四種情感類型：混合、負面、客觀和正面。