Hubert Base Superb Er

🚀 用于情感识别的Hubert-Base

本模型是基于Hubert的情感识别模型，以hubert-base-ls960为基础模型，在16kHz采样的语音音频上预训练，可用于预测每个语音片段的情感类别。

🚀 快速开始

本模型是 S3PRL的Hubert用于SUPERB情感识别任务 的移植版本。 基础模型是 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：语音处理通用性能基准。

✨ 主要特性

情感识别（ER）为每个语音片段预测一个情感类别。本模型采用了最广泛使用的ER数据集 IEMOCAP，并遵循传统的评估协议：我们去除了不平衡的情感类别，最终保留四个数据点数量相近的类别，并在标准分割的五个折上进行交叉验证。 有关原始模型的训练和评估说明，请参考 S3PRL下游任务README。

💻 使用示例

基础用法

您可以通过音频分类管道使用该模型：

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/hubert-base-superb-er")
labels = classifier(dataset[0]["file"], top_k=5)

高级用法

或者直接使用该模型：

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

model = HubertForSequenceClassification.from_pretrained("superb/hubert-base-superb-er")
feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained("superb/hubert-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()]

📚 详细文档

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

本模型使用的许可证为 apache-2.0。