baikaishui-ks / refaudioemotagger

一种基于Emotion2Vec的批量音频情感自动标注脚本

基于Emotion2Vec模型的批量音频情感自动标注工具

简介

基于emotion2vec与StructBERT对输入的音频进行情绪八分类（生气、厌恶、恐惧、开心、中立、其他、难过、吃惊）

此项目包含一个音频时长筛选/批量重命名脚本preprocess_audio.py批量推理脚本recognize.py和一个音频分类脚本classify.py和一个webui.py界面

依赖项

• Python 3.10
• 安装所需依赖pip install -r requirements.txt

快速使用

如果您想快速使用可以使用此打包好的文件

输入输出可以参考此格式：

input
└───speaker
   ├───xxx.wav
   └─── subtitle.lab

数据集格式可以参考此数据集，或者在音频名上标注音频内容否则无法使用文本情感识别功能。 参考输出为此格式

output
└───speaker0
   └───emotion
       └───【emotion】{text}      

经过处理后的文件将会被自动归类并重命名，以反映出音频中包含的情感及其相关内容。一个典型的输出文件示例如下：

• output/小明/生气/【生气】我很生气.wav
• output/小明/开心/【开心】我很开心.wav