Wav2vec2 Base Speech Emotion Recognition

🚀 wav2vec2-base-语音情感识别

本模型旨在预测音频样本中说话者的情感，基于预训练模型微调而来，能有效解决语音情感识别问题，为相关领域的研究和应用提供了有力支持。

🚀 快速开始

本模型是 facebook/wav2vec2-base 的微调版本。

它在评估集上取得了以下结果：

• 损失：0.7264
• 准确率：0.7539
• F1值：
  • 加权：0.7514
  • 微平均：0.7539
  • 宏平均：0.7529
• 召回率：
  • 加权：0.7539
  • 微平均：0.7539
  • 宏平均：0.7577
• 精确率：
  • 加权：0.7565
  • 微平均：0.7539
  • 宏平均：0.7558

✨ 主要特性

本模型能够预测音频样本中说话者的情感。

若想了解该模型的创建方式，请查看以下链接：https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/tree/main/Audio-Projects/Emotion%20Detection/Speech%20Emotion%20Detection

📚 详细文档

预期用途与限制

本模型旨在展示使用技术解决复杂问题的能力。

训练和评估数据

数据集来源：https://www.kaggle.com/datasets/dmitrybabko/speech-emotion-recognition-en

训练过程

训练超参数

训练期间使用了以下超参数：

• 学习率：3e-05
• 训练批次大小：32
• 评估批次大小：32
• 随机种子：42
• 梯度累积步数：4
• 总训练批次大小：128
• 优化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 学习率调度器类型：线性
• 学习率调度器热身比例：0.1
• 训练轮数：10

训练结果

框架版本

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

📄 许可证

本项目采用 Apache-2.0 许可证。