基于轻量级RuBERT-tiny2微调的俄语情感分类模型，可识别五种情绪

该模型基于Wav2Vec2架构微调训练，专门用于识别英语语音中的六种情绪状态（悲伤、愤怒、厌恶、恐惧、快乐、中性），准确率达92.42%。

基于XLM-RoBERTa的德语情绪分类模型，可识别28种情绪

基于预训练模型微调的面部表情识别模型，能有效识别八种不同面部表情。

该模型用于从英语音频中识别六种基本情绪：愤怒、厌恶、恐惧、快乐、悲伤和惊讶，基于RAVDESS数据集训练。

基于WavLM架构的语音情绪识别基线模型，用于预测8种基本情绪类别

Emollama-7b是首个具备指令跟随能力的开源大语言模型系列EmoLLMs的组成部分，基于LLaMA2-7B微调，用于全面情感分析

基于Google的ViT-base模型微调的面部情绪识别模型，在测试集上达到91%的准确率。

一个基于IndoBERT预训练模型的情感分析模型，用于预测印尼语句子中的六种情绪类型。

基于DistilBERT微调的金融社交媒体情绪分析模型，擅长分析StockTwits等平台的文本情绪

HeBERT是基于希伯来语的预训练语言模型，专注于极性分析与情感识别任务。

HebEMO是一款用于检测极性和从现代希伯来语用户生成内容中提取情感的工具，基于新冠相关数据集训练。

基于丹麦语BERT的文本情绪分类模型，可将丹麦语文本分类至8种情绪类别

针对意大利语的情感与情绪分类工具，支持愤怒、恐惧、快乐、悲伤四种基础情绪识别