Speech Emotion Recognition

• Speech Emotion Recognition
  • Hướng dẫn cài đặt và chạy
    • 0. GPU
    • 1. Cài đặt thư viện
    • 2. Tải trọng số (model weight)
    • 3. Chạy mô hình
  • Using as a Library
  • Confusion Matrix
  • Credit

Hướng dẫn cài đặt và chạy

0. GPU

Trên Linux với NVIDIA GPU, để model có tốc độ chạy nhanh nhất, cần cài đặt cuda-toolkit và cudnn.

Đối với Linux Mint 21.3 (hoặc Ubuntu 22.04), NVIDIA GPU (CUDA 12):

• Trước tiên làm theo hướng dẫn tại đây để cài cudnn.

• Chạy lệnh sau để cài cuda-toolkit:

  sudo apt install cuda-toolkit

1. Cài đặt thư viện

Chạy lệnh sau để cài đặt tất cả các thư viện cần thiết:

pip install .

2. Tải trọng số (model weight)

Quy ước $PROJECT_ROOT/ là thư mục gốc của dự án.

• Cách 1:

  • Tạo thư mục $PROJECT_ROOT/model_weight
  • Truy cập link sau: https://www.kaggle.com/datasets/nvnhat04/ser-model
  • Tải về toàn bộ các file vào thư mục $PROJECT_ROOT/model_weight vừa tạo. (Có thể tải file zip sau đó giải nén vào thư mục vừa tạo.)

• Cách 2: Sử dụng Kaggle CLI:

  cd $PROJECT_ROOT
  kaggle datasets download nvnhat04/ser-model --unzip -p ./model_weight

3. Chạy mô hình

Chạy lệnh sau để thực thi mô hình:

python main.py

Using as a Library

pip install git+https://github.com/telcenter/ser.git@main

Still needs to download the weights as shown above.

Example usage:

from ser import SERModel

def main():
    model = SERModel(
        # Where did you download the weights to? Then specify the
        # paths accordingly.
        model_path='./model_weight/CNN_model.json',
        weights_path='./model_weight/best_model1_weights.h5'
    )
    audio_path = './test_data/surprise.wav'
    emotion = model.predict_emotion_from_wav_file(audio_path)
    print(f"Predicted emotion: {emotion}")

if __name__ == "__main__":
    main()

Confusion Matrix

Credit

The original notebook.