基于PyTorch实现的语音情感识别系统-python

项目描述 基于 PyTorch 实现的语音情感识别系统
基于 PyTorch 实现的语音情感识别系统。核心思路是用 emotion2vec 提取语音的情感特征，再接一个 BiLSTM 分类网络输出情感类别；同时也支持直接调用 ModelScope 上的 emotion2vec 预训练模型做端到端识别。项目原本是纯命令行工具，现已新增一个桌面图形界面。

项目功能
音频情感识别：输入一段语音，输出情感标签（如生气、开心、悲伤等）和置信度得分。
两种识别方式：直接使用 ModelScope 预训练模型（seed / base / large 三档，开箱即用）；或使用自建 BiLSTM 模型（需自行准备数据集并训练）。
命令行流程：create_data.py 生成数据列表与归一化文件、train.py 训练、eval.py 评估、infer.py 推理。
桌面界面（gui.py）：选择模型 → 选择/浏览音频文件 → 一键识别，结果与得分直接显示；预测在后台线程执行不卡界面，模型加载后缓存复用，并自动适配 CPU/GPU。

运行环境
Windows 10；Python 3.13；PyTorch 2.13（本机为 CPU 版，无 CUDA，运行时需 use_gpu=False）。依赖 ModelScope、FunASR、yeaudio 等；图形界面基于 Python 内置的 tkinter，无需额外安装。ModelScope 预训练模型首次运行时自动下载并缓存到本地 models/ 目录。

项目技术
PyTorch 深度学习框架；emotion2vec 语音情感特征提取 + BiLSTM 分类网络；ModelScope / FunASR 提供预训练模型与推理支持；yeaudio、pydub、resampy 等做音频读取与重采样；YAML 配置文件管理训练与模型参数；tkinter 实现桌面图形界面。

以上系统源码经过技术整理与调试，确保能正常运行