访问官网
Huggingface
文档项目介绍
这个项目是一个基于wav2vec2模型的性别识别系统，名为"wav2vec2-large-xlsr-53-gender-recognition-librispeech"。该模型是在Facebook的wav2vec2-xls-r-300m基础模型上，使用Librispeech-clean-100数据集进行微调得到的。这个模型专门用于从语音中识别说话者的性别，具有很高的准确性。
模型性能
在评估集上，该模型取得了非常出色的表现：
- 损失值(Loss)仅为0.0061
- F1分数高达0.9993
这表明模型在性别识别任务上具有极高的准确性和可靠性。
数据集使用
模型使用了Librispeech-clean-100数据集进行训练和评估。数据集的划分如下：
- 70%用于训练
- 10%用于验证
- 20%用于测试
这种划分方式确保了模型能够充分学习，同时有足够的数据用于验证和测试。
训练细节
模型的训练过程采用了以下超参数：
- 学习率: 3e-05
- 训练批次大小: 4
- 评估批次大小: 4
- 随机种子: 42
- 梯度累积步数: 4
- 总训练批次大小: 16
- 优化器: Adam (betas=(0.9,0.999), epsilon=1e-08)
- 学习率调度器: 线性调度
- 学习率预热比例: 0.1
- 训练轮数: 1
- 混合精度训练: 使用原生AMP
使用方法
该项目提供了一个完整的推理代码示例，用户可以轻松地使用这个模型进行性别识别。主要步骤包括：
- 导入必要的库和模块
- 定义自定义数据集类和数据整理函数
- 实现预测函数
- 使用
get_gender函数进行性别识别
用户只需提供音频文件的路径列表，就可以得到相应的性别预测结果。
技术细节
该模型基于PyTorch框架实现，使用了Transformers库中的AutoFeatureExtractor和AutoModelForAudioClassification类。模型支持CPU和GPU运行，会自动检测可用的设备。
结语
总的来说，这个项目提供了一个高性能的语音性别识别模型，具有很高的准确性和易用性。无论是研究人员还是开发者，都可以方便地将其集成到各种语音处理应用中。
