Hubert Base Superb Ic

🚀 Hubert-Base 用于意图分类

本项目提供的模型可用于语音意图分类任务，借助预训练的 Hubert 模型，能高效准确地对语音中的意图进行分类，为语音交互等应用提供有力支持。

🚀 快速开始

本模型是 S3PRL 的 Hubert 用于 SUPERB 意图分类任务 的移植版本。 基础模型为 hubert-base-ls960，它在 16kHz 采样的语音音频上进行了预训练。使用该模型时，请确保您的语音输入也是 16kHz 采样的。 更多信息请参考 SUPERB: Speech processing Universal PERformance Benchmark。

✨ 主要特性

• 基于预训练的 Hubert 模型，在语音意图分类任务上表现出色。
• 适配 SUPERB 基准测试，具有良好的通用性。

📦 安装指南

文档未提供具体安装步骤，故跳过此章节。

💻 使用示例

基础用法

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

📚 详细文档

任务和数据集描述

意图分类（IC）将话语分类到预定义的类别中，以确定说话者的意图。SUPERB 使用 Fluent Speech Commands 数据集，其中每个话语都标记有三个意图标签：动作、对象 和 位置。 有关原始模型的训练和评估说明，请参考 S3PRL 下游任务 README。

评估结果

评估指标为准确率。

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}
}

📄 许可证

本项目采用 Apache-2.0 许可证。