Spanish Speech Emotion Recognition

Predicción de emociones en el habla (SER) en español con un 89.20% de precisión, realizando Fine-Tuning al modelo wav2vec2.

Resultados del Modelo

Audio Emoción Predicha
Tristeza
Enojo
Miedo
Felicidad
Sopresa

Desarrollo del proyecto

1. Bases de Datos

Para entrenar y ajustar el modelo, se emplearon las bases de datos MESD, EmoMatchSpanishDB y spanishMeaCorpus.

2. Wav2Vec2

Este proyecto utiliza el modelo Wav2Vec2-XLSR-53-Large - Spanish para el reconocimiento de emociones. El modelo está ajustado para clasificar las siguientes emociones: Alegría, Tristeza, Enojo, Miedo, Neutral, Disgusto.

Modelo Wav2Vec2

3. Resultados

El modelo alcanza una precisión del 89.20% en el conjunto de prueba.

Gráfico de Resultados Matriz de Confusión

Herramientas Utilizadas

Python Wav2Vec2 TensorFlow TensorBoard PyTorch NLP Librosa Transformers sklearn
GitHubGitHub LinkedInLinkedIn GitHub PagesAll Projects