懂AI
wav2vec2-large-robust-12-ft-emotion-msp-dim

wav2vec2-large-robust-12-ft-emotion-msp-dim

基于Wav2vec 2.0的多维语音情感识别模型

该模型基于Wav2vec 2.0技术，通过在MSP-Podcast数据集上微调Wav2Vec2-Large-Robust模型实现。它能够处理原始音频信号，识别语音中的唤醒度、支配度和效价三个维度，输出0-1范围内的情感预测结果。此外，模型还提供最后一个transformer层的池化状态，为语音情感分析研究提供了有力支持。

Wav2vec 2.0Huggingface模型语音情感识别音频分类Github开源项目神经网络模型MSP-Podcast
GitHubHugging Face论文

项目介绍

这个项目介绍了一个基于Wav2vec 2.0的多维度语音情感识别模型。该模型由audeering公司开发，是一个专门用于研究目的的模型。它能够从原始音频信号中预测出激励度(arousal)、支配度(dominance)和效价(valence)三个维度的情感特征，输出值范围大约在0到1之间。

模型特点

  1. 该模型是在Facebook的Wav2Vec2-Large-Robust模型基础上进行微调得到的。

  2. 训练数据集使用的是MSP-Podcast(v1.7)。

  3. 在微调之前，模型被剪枝从24个transformer层减少到12个层。

  4. 除了输出情感预测结果，模型还能提供最后一个transformer层的池化状态。

  5. 模型的ONNX格式导出版本可以在Zenodo平台上获取。

使用方法

该项目提供了详细的Python代码示例，展示了如何使用这个模型进行情感预测和特征提取。主要步骤包括：

  1. 导入必要的库和模型类。

  2. 从Hugging Face模型库加载预训练的模型和处理器。

  3. 准备输入音频信号。

  4. 定义处理函数，该函数可以根据需要输出情感预测结果或提取嵌入特征。

  5. 调用处理函数，获取结果。

注意事项

  1. 这个模型仅供研究使用，如需商业用途，需要联系audeering公司获取商业许可。

  2. 模型期望输入的是原始音频信号。

  3. 输出结果包括激励度、支配度和效价三个维度的预测值。

  4. 模型还可以输出最后一个transformer层的池化状态，这可能对其他下游任务有用。

技术细节

  1. 模型架构包括一个Wav2Vec2Model作为基础，加上一个回归头(RegressionHead)用于情感预测。

  2. 回归头包含一个密集层、dropout层和输出投影层。

  3. 模型的前向传播过程包括通过Wav2Vec2Model提取特征，然后对特征进行平均池化，最后通过回归头得到最终预测结果。

  4. 代码示例中还展示了如何处理输入信号，包括使用处理器进行规范化，以及如何在CPU或其他设备上运行模型。

这个项目为研究人员提供了一个强大的工具，用于探索语音情感识别领域。通过提供详细的使用说明和代码示例，项目降低了研究者的使用门槛，有助于推动相关领域的研究进展。

编辑推荐精选

扣子-AI办公

扣子-AI办公

职场AI，就用扣子

AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！

堆友

堆友

多风格AI绘画神器

堆友平台由阿里巴巴设计团队创建，作为一款AI驱动的设计工具，专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图，显著提升设计品质和效率。平台不仅提供工具，还是一个促进创意交流和个人发展的空间，界面友好，适合所有级别的设计师和创意工作者。

图像生成AI工具AI反应堆AI工具箱AI绘画GOAI艺术字堆友相机AI图像热门
码上飞

码上飞

零代码AI应用开发平台

零代码AI应用开发平台，用户只需一句话简单描述需求，AI能自动生成小程序、APP或H5网页应用，无需编写代码。

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码，轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT，就用博思AIPPT！

博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命，一站式智能商拍平台

潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。

下拉加载更多