Trabajo Fin de Máster
Entrenamiento y despliegue de un modelo de clasificación de audio
Autor/es | Aragón Molina, Antonio José |
Director | Elena Pérez, María del Mar |
Departamento | Universidad de Sevilla. Departamento de Ingeniería Electrónica |
Fecha de publicación | 2023 |
Fecha de depósito | 2023-11-27 |
Titulación | Universidad de Sevilla. Máster en Ingeniería de Telecomunicación |
Resumen | Este trabajo se centra en la creación y despliegue de un modelo clasificador de audios por emociones. La
idea surge de un proyecto pasado cuya finalidad era detectar emociones en un caso de uso concreto, a
través de ... Este trabajo se centra en la creación y despliegue de un modelo clasificador de audios por emociones. La idea surge de un proyecto pasado cuya finalidad era detectar emociones en un caso de uso concreto, a través de llamadas telefónicas. El modelo se ha implementado en Python, utilizando la librería Transformers de HuggingFace y el modelo preentrenado Wav2Vec2 de Facebook AI. Ha sido desplegado como aplicación web, utilizando Flask y Docker. This work focuses on the creation and deployment of an audio emotions classifier model. The idea comes from a past project whose purpose was to detect emotions in a specific use case, through phone calls. The model has ... This work focuses on the creation and deployment of an audio emotions classifier model. The idea comes from a past project whose purpose was to detect emotions in a specific use case, through phone calls. The model has been implemented in Python, using the Transformers library from HuggingFace and the pre-trained Wav2Vec2 model from Facebook AI. It has been deployed as a web application, using Flask and Docker. |
Cita | Aragón Molina, A.J. (2023). Entrenamiento y despliegue de un modelo de clasificación de audio. (Trabajo Fin de Máster Inédito). Universidad de Sevilla, Sevilla. |
Ficheros | Tamaño | Formato | Ver | Descripción |
---|---|---|---|---|
TFM2658_Aragón Molina.pdf | 2.179Mb | [PDF] | Ver/ | |