语音聊天毒性检测的高精度分类工具
该项目提供了一个新的语音聊天毒性检测基准模型,基于大规模数据集开发。模型使用WavLM base plus权重,经过2,374小时语音多标签微调,输出标签包括Profanity、DatingAndSexting、Racist、Bullying等。评估显示模型在二元分类任务中的精度达到94.48%。使用者可通过特定命令运行模型权重进行应用。
voice-safety-classifier项目是一个大型分类模型,旨在推动不当言论检测与分类研究的发展。它是基于人工精心构建的真实世界数据集训练而成,并可作为相关研究的新基准。
起初,voice-safety-classifier模型采用的是WavLM base plus的原始权重,然后进一步通过多标签分类的方式,在共计2374小时的语音聊天音频片段上进行了微调。这些音频片段是通过合成数据流水线自动标记的,具体细节可以参见我们的博客文章。
该模型输出一个n×6的输出张量,其中推断的标签包括粗言秽语(Profanity)
、约会与色情(DatingAndSexting)
、种族歧视(Racist)
、欺凌(Bullying)
、其他(Other)
、无违规(NoViolation)
。‘其他’类标签涵盖了一些发生率较低的政策违规类别,如毒品和酒精或自残,这些都被归为一个单独的类别。
为了评估该模型的表现,我们使用了一个由人工标注标签的数据集。该数据集中包含了9795个样本,其类别分布如下:
类别 | 示例数量 | 时长(小时) | 数据集占比 |
---|---|---|---|
粗言秽语 | 4893 | 15.38 | 49.95% |
约会与色情 | 688 | 2.52 | 7.02% |
种族歧视 | 889 | 3.10 | 9.08% |
欺凌 | 1256 | 4.25 | 12.82% |
无违规 | 4185 | 9.93 | 42.73% |
在所有类别上设定相同的阈值,把模型视作针对所有四种不当言论类别(粗言秽语
、约会 与色情
、种族歧视
、欺凌
)的二元分类器时,模型的二值化平均精确度达到了94.48%。
要运行推理文件,需要先安装相关依赖,可以使用以下命令:
pip install -r requirements.txt
推理文件中包含了一些有用的辅助函数,用于预处理音频文件以进行正确的推理。运行推理文件的命令如下:
python inference.py --audio_file <your audio file path> --model_path <path to Huggingface model>
模型权重可以从模型发布页面下载,或从HuggingFace的roblox/voice-safety-classifier
中获取。如果未指定model_path
,则模型将直接从HuggingFace加载。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。 该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
字节跳动发布的AI编程神器IDE
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助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号