数据集:

• narad/ravdess 语言:
• en 评估指标:
• f1
• 准确率
• 召回率
• 精确率 管道标签: 音频分类

基于RAVDESS和Wav2Vec 2.0的英语情感识别

该模型用于从音频录音中提取情感特征。其训练数据来源于RAVDESS数据集，该数据集包含英语音频录音样本。模型可识别六种基本情绪：愤怒、厌恶、恐惧、快乐、悲伤和惊讶。

本模型复现了希腊语情感识别器的工作方法，采用预训练的Wav2Vec2模型进行数据处理。

模型详情

模型描述

• 适配来源: 希腊语情感识别
• 模型类型: 带CTC的神经网络
• 支持语言(NLP): 英语
• 微调基础模型: wav2vec2

快速开始

使用以下代码即可快速启用模型。

[需要更多信息]

训练详情

训练数据

RAVDESS数据集按60%、20%、20%的比例划分为训练集、验证集和测试集。

训练过程

微调过程主要围绕四个超参数展开：

• 批次数（4，8）
• 梯度累积步数（2，4，6，8）
• 训练轮次（10，20）
• 学习率（1e-3，1e-4，1e-5）

每个实验配置均重复运行10次。

评估

表现最佳的超参数组合为：4批次、4梯度累积步数、10训练轮次和1e-4学习率

测试

使用最优超参数组合在合并后的训练集和验证集上重新训练模型。测试集上的平均准确率和F1分数达到84.84%（标准差分别为2和2.08）

结果

我们保留了10次运行中表现最优的模型。