Natlis/cnn-emotion-classification-ru

CNN — классификатор эмоций русской речи (аудио, базовая модель)

Четырёхклассовый классификатор эмоций по аудио: angry, sad, neutral, positive (маппинг angry=0, sad=1, neutral=2, positive=3).

• Архитектура: EmotionCNN — CNN (каналы 16/32/64) → классификатор (dropout 0.2).
• Обучен на корпусе combine_balanced_train (Dusha, mel-спектрограммы).
• Вход: mel-спектрограмма (1, 64, T) из пайплайна ruintona/data_processing/.

Метрики

Метрики получены оценкой обученного чекпоинта на dusha_resd_test (6616 записей) в model_analise/audio_models_analise.ipynb.

Split	Corpus	Accuracy	F1-macro
test	dusha_resd (перекрёстная оценка)	0.571	0.564

Как использовать

import torch
from huggingface_hub import hf_hub_download

path = hf_hub_download(
    "Natlis/cnn-emotion-classification-ru",
    "CNN_combine_balanced_train_model.pt",
)

# Чекпоинт — единый формат dict (utils/model_io.py проекта):
ckpt = torch.load(path, map_location="cpu")
print(ckpt["model_class"], ckpt["model_params"])

Вход — готовые mel-спектрограммы (1, 64, T) из пайплайна проекта. Архитектура и загрузка — audio_models/CNN/CNN.py.

Обучение

Полные гиперпараметры — в configs/audio/cnn.json (epochs 5, batch 16, lr 1e-3, weight_decay 1e-5, seed 42).

Ограничения

• Базовая модель (baseline); признаки вычисляются на этапе сборки корпуса.
• Эмоции размечены краудсорсингом (Dawid-Skene, порог 0.9).

Лицензия и атрибуция

Веса лицензированы CC BY-SA 4.0 (модель обучена с нуля на корпусе Dusha). Полные условия — LICENSE, атрибуция и данные обучения — NOTICE.

Цитирование

Dusha — Kondratenko et al., arXiv:2212.12266. Подробности — DUSHA.md кодового репозитория.