Keep evaluation details on GitHub and simplify model card
Browse files
README.md
CHANGED
|
@@ -46,20 +46,6 @@ affect-f5 --help
|
|
| 46 |
|
| 47 |
不包含官方底模、优化器状态或训练数据。
|
| 48 |
|
| 49 |
-
Adapter SHA-256：`26dd9fdc69395e8a937feadb3417e5503667eaedb6a85b12b26d0374a58f253f`。
|
| 50 |
-
|
| 51 |
-
## 换个情绪，还像本人吗？
|
| 52 |
-
|
| 53 |
-
我们用来自 CMU Arctic、EARS、Expresso 和 VCTK 的 **24 位说话人，生成了 600 条英文语音**。五类情感各 120 条，参考录音经过质量检查并尽量选得中性，目标文本与情感匹配。本次关闭 Arousal 条件，专门看情绪表达和合成质量。
|
| 54 |
-
|
| 55 |
-
| 推理设置 | 情感 UAR5 · E2V ↑ | 情感 UAR5 · MER ↑ | 字词错误率 WER ↓ | 音色 SIM-o ↑ | 音色 CAM++ ↑ | 质量 UTMOSv2 ↑ |
|
| 56 |
-
|---|---:|---:|---:|---:|---:|---:|
|
| 57 |
-
| **AffectF5 C7** | **73.50%** | **76.17%** | **0.64%** | **0.6193** | **0.7355** | **3.2977** |
|
| 58 |
-
|
| 59 |
-
**让情绪听得出来，也让声音认得出来。** 在这组测试中，相比 IndexTTS2，C7 的两项情感得分分别高出约 11 和 10 个百分点，SIM-o / CAM++ 音色相似度也更高；IndexTTS2 的文本准确度更好。官方 F5-TTS 在音色保持上仍有优势，是我们接下来想继续追赶的地方。
|
| 60 |
-
|
| 61 |
-
E2V / MER 分别为 Emotion2Vec / MERaLiON，UAR5 是五类平均召回率；WER 取逐句均值。SIM-o / CAM++ 看音色相似度，UTMOSv2 估计语音质量。完整对比、补充指标与测试设置见 [评测说明](https://github.com/ScreamingTony/AffectF5/blob/main/docs/evaluation.md)。欢迎把你觉得最有表现力的生成效果分享给我们。
|
| 62 |
-
|
| 63 |
## 许可与限制
|
| 64 |
|
| 65 |
Adapter 采用 CC BY-NC 4.0，仅供非商业用途。当前主要验证英文；自动情感指标不能替代人工听测。
|
|
|
|
| 46 |
|
| 47 |
不包含官方底模、优化器状态或训练数据。
|
| 48 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 49 |
## 许可与限制
|
| 50 |
|
| 51 |
Adapter 采用 CC BY-NC 4.0，仅供非商业用途。当前主要验证英文；自动情感指标不能替代人工听测。
|