Aniemore (Artem Nikita Ilya EMOtion REcognition) is a library for emotion recognition in voice and text for russian language.
Project description
Aniemore - это открытая библиотека искусственного интеллекта для потоковой аналитики эмоциональных оттенков речи человека.
Основные технические параметры
- Объем набора данных Russian Emotional Speech Dialogues содержит более 3000 аудиофрагментов представляющих 200 различных людей;
- Модели способны распознавать эмоции в зашумленных аудиофайлах длительностью в 3 секунды;
- Скорость обработки и ответа модели составляет не более 5 секунд;
- Пословная ошибка модели WER 30%;
- Совокупная точность модели 75%
- Диапазон распознавания эмоций: злость, отвращение, страх, счастье, интерес, грусть, нейтрально;
- Акустические возможности - 3 уровня.
Описание
Aniemore - это библиотека для Python, которая позволяет добавить в ваше программное обеспечение возможность определять эмоциональный фон речи человека, как в голосе, так и в тексте. Для этого в библиотеке разработано два соответсвующих модуля - Voice и Text.
Aniemore содержит свой собственный датасет RESD (Russian Emotional Speech Dialogues) и другие наборы данных разного объема, которые вы можете использовать для обучения своих моделей.
Датасет | Примечание |
---|---|
RESD | 7 эмоций, 4 часа аудиозаписей диалогов студийное качество |
RESD_Annotated | RESD + speech-to-text аннотации |
REPV | 2000 голосовых сообщений (.ogg), 200 актеров, 2 нейтральные фразы, 5 эмоций |
REPV-S | 140 голосовых сообщений (.ogg) "Привет, как дела?" с разными эмоциями |
Вы можете использовать готовые предобученные модели из библиотеки:
Модель | Точность |
---|---|
Голосовые модели | |
wav2vec2-xlsr-53-russian-emotion-recognition | 73% |
wav2vec2-emotion-russian-resd | 75% |
wavlm-emotion-russian-resd | 82% |
hubert-emotion-russian-resd | 75% |
unispeech-sat-emotion-russian-resd Copied | 72% |
Текстовые модели | |
rubert-base-emotion-russian-cedr-m7 | ---% |
rubert-tiny2-russian-emotion-detection | 85% |
rubert-large-emotion-russian-cedr-m7 | ---% |
**rubert-tiny-emotion-russian-cedr-m7 ** | ---% |
Показатели моделей в разрезе эмоций
Установка
pip install aniemore
Пример использования
Ниже приведены простые примеры использования библиотеки. Для более детальных примеров, в том числе загрузка cобственной модели - смотрите сделанный для этого Google Colab
Распознавание эмоций в тексте
# @title Text - Recognize: single text - single label
import torch
from aniemore.recognizers.text import TextRecognizer
from aniemore.models import HuggingFaceModel
model=HuggingFaceModel.Text.Bert_Tiny2
device = 'cuda' if torch.cuda.is_available() else 'cpu'
tr = TextRecognizer(model=model, device=device)
tr.recognize('это работает? :(', return_single_label=True)
Распознавание эмоций в голосе
# @title Text: wavlm-emotion-russian-resd
import torch
from aniemore.recognizers.voice import VoiceRecognizer
from aniemore.models import HuggingFaceModel
model=HuggingFaceModel.Voice.WavLM
device = 'cuda' if torch.cuda.is_available() else 'cpu'
vr = VoiceRecognizer(model=model, device=device)
vr.recognize('/content/ваш-звуковой-файл.wav', return_single_label=True)
Доп. ссылки
Все модели и датасеты, а так же примеры их использования вы можете посмотреть в нашем HuggingFace профиле
Аффилированость
Aniemore (Artem Nikita Ilya EMOtion REcognition)
Разработка открытой библиотеки произведена коллективом авторов на базе ООО "Социальный код". Результаты работы получены за счет гранта Фонда содействия развитию малых форм предприятий в научно-технической сфере (Договор №1ГУКодИИС12-D7/72697 от 22.12.2021).
Цитирование
@misc{Aniemore,
author = {Артем Аментес, Илья Лубенец, Никита Давидчук},
title = {Открытая библиотека искусственного интеллекта для анализа и выявления эмоциональных оттенков речи человека},
year = {2022},
publisher = {GitHub},
journal = {GitHub repository},
howpublished = {\url{https://github.com/aniemore/Aniemore}},
email = {hello@socialcode.ru}
}
Project details
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.