标签:

• pytorch_model_hub_mixin
• model_hub_mixin
• 性别分类
• VoxCeleb 许可证: mit 数据集:
• ProgramComputer/voxceleb 管道标签: 音频分类

语音性别分类器

• 此仓库包含使用预训练的人类语音性别分类器的推理代码。
• 您还可以尝试🤗Huggingface在线演示。

安装

首先，克隆原始的GitHub仓库

git clone https://github.com/JaesungHuh/voice-gender-classifier.git

并通过pip安装所需的包。

cd voice-gender-classifier
pip install -r requirements.txt

使用方法

import torch

from model import ECAPA_gender

# 您可以直接从Huggingface模型中心下载模型
model = ECAPA_gender.from_pretrained("JaesungHuh/voice-gender-classifier")
model.eval()

# 如果您使用GPU...
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)

# 加载音频文件并使用predict函数直接获取输出
example_file = "data/00001.wav"
with torch.no_grad():
    output = model.predict(example_file, device=device)
    print("性别 : ", output)

预训练权重

需要预训练权重的用户，请在此处下载链接

训练详情

最先进的说话人验证模型已经能很好地表示说话人的性别。

我使用了TaoRuijie's仓库中的预训练ECAPA-TDNN模型，添加了一个线性层以构建二分类器，并使用VoxCeleb2开发集对模型进行了微调。

该模型在VoxCeleb1识别测试集上达到了**98.7%**的准确率。

注意事项

需要注意的是，我用于训练此模型的数据集(VoxCeleb)可能无法代表全球人口。在使用此模型时，请注意可能存在的无意偏见。

参考

• 原始GitHub仓库
• 我修改了TaoRuijie's仓库中的模型架构。
• 有关ECAPA-TDNN的更多详情，请查看论文。