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 | 72% | | wavlm-bert-base (мультимодальная) | 81% | | wavlm-bert-fusion (мультимодальная, улучшенная) | 83% | | Текстовые модели | | | rubert-base-emotion-russian-cedr-m7 | 74% | | rubert-tiny2-russian-emotion-detection | 85% | | rubert-large-emotion-russian-cedr-m7 | 76% | | rubert-tiny-emotion-russian-cedr-m7 | 72% |

Показатели моделей в разрезе эмоций

Установка

shell pip install aniemore

Минимальные требования к оборудованию

| Архитектура | ЦПУ | ОЗУ | SSD | |--------------------------|--------|-------|-------| | Wave2Vec2 | 2 ядра | 8 ГБ | 40 ГБ | | WaveLM | 2 ядра | 8 ГБ | 40 ГБ | | Hubert | 2 ядра | 8 ГБ | 40 ГБ | | UniSpeechSAT | 2 ядра | 8 ГБ | 40 ГБ | | BertTiny/BertTiny2 | 2 ядра | 4 ГБ | 40 ГБ | | Bert_Base | 2 ядра | 4 ГБ | 40 ГБ | | Bert_Large | 2 ядра | 8 ГБ | 40 ГБ | | WavLM Bert Base | 2 ядра | 16 ГБ | 40 ГБ | | WavLM Bert Fusion | 2 ядра | 16 ГБ | 40 ГБ | | Whisper Tiny | 2 ядра | 4 ГБ | 40 ГБ | | Whisper Base | 2 ядра | 4 ГБ | 40 ГБ | | Whisper Small | 2 ядра | 4 ГБ | 40 ГБ | | Whisper Medium | 2 ядра | 8 ГБ | 40 ГБ | | Whisper Large | 2 ядра | 16 ГБ | 40 ГБ | | TextEnhancer | 2 ядра | 4 ГБ | 40 ГБ |

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

```python import torch from aniemore.recognizers.text import TextRecognizer from aniemore.models import HuggingFaceModel

model = HuggingFaceModel.Text.BertTiny2 device = 'cuda' if torch.cuda.isavailable() else 'cpu' tr = TextRecognizer(model=model, device=device)

tr.recognize('это работает? :(', returnsinglelabel=True) ```

Распознавание эмоций в голосе

```python import torch from aniemore.recognizers.voice import VoiceRecognizer from aniemore.models import HuggingFaceModel

model = HuggingFaceModel.Voice.WavLM device = 'cuda' if torch.cuda.isavailable() else 'cpu' vr = VoiceRecognizer(model=model, device=device) vr.recognize('/content/ваш-звуковой-файл.wav', returnsingle_label=True) ```

Распознавание эмоций (мультимодальный метод)

```python import torch from aniemore.recognizers.multimodal import VoiceTextRecognizer from aniemore.utils.speech2text import SmallSpeech2Text from aniemore.models import HuggingFaceModel

model = HuggingFaceModel.MultiModal.WavLMBertFusion s2t_model = SmallSpeech2Text()

text = SmallSpeech2Text.recognize('/content/ваш-звуковой-файл.wav').text device = 'cuda' if torch.cuda.is_available() else 'cpu'

vtr = VoiceTextRecognizer(model=model, device=device) vtr.recognize(('/content/ваш-звуковой-файл.wav', text), returnsinglelabel=True) ```

Распознавание эмоций (мультимодальный метод с автоматическим распознаванием речи)

```python import torch from aniemore.recognizers.multimodal import MultiModalRecognizer from aniemore.utils.speech2text import SmallSpeech2Text from aniemore.models import HuggingFaceModel

model = HuggingFaceModel.MultiModal.WavLMBertFusion device = 'cuda' if torch.cuda.isavailable() else 'cpu' mr = MultiModalRecognizer(model=model, s2tmodel=SmallSpeech2Text(), device=device) mr.recognize('/content/ваш-звуковой-файл.wav', returnsinglelabel=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

Для цитировация воспользуйтесь пунктом Cite this repository в правом меню About этого проекта, или скопируйте информацию ниже: bibtex @software{Lubenets_Aniemore, author = {Lubenets, Ilya and Davidchuk, Nikita and Amentes, Artem}, license = {MIT}, title = {{Aniemore}}, url = {https://github.com/aniemore/Aniemore} }