Voice Presentation Analyzer 練習用

本地推論・不上傳 可換主題 模型：Common-Voice-Gender-Detection（ONNX） 原始碼

溫柔提醒：這裡顯示的是「模型對聲音表現的感知傾向」，不是性別認同的結論。請把它當作練習回饋；右上齒輪可切換主題、會記住。

或使用 右下角 ⬆︎ 上傳現有音檔（支援 mp3 / m4a / mp4 / mov）。

準備就緒
提示： 40–60% 是正常的灰色帶，建議多錄幾段、看趨勢而不是只看一次。
如何錄比較準？（快速）
  • 錄 5–10 秒「說話」（非唱歌），環境安靜、避免背景音與回音。
  • 麥克風距離 10–15 cm，平常對話音量與語速。
  • 要上傳既有錄音：點右下角 ⬆︎（支援 mp3/m4a/mp4/mov）。
  • iPhone 語音備忘錄：先「分享 → 存到檔案 (Files)」，回本頁選「瀏覽」上傳。
模型概覽
名稱：
Common-Voice-Gender-Detection（ONNX）
架構：
Wav2Vec2（Self-Supervised Learning for Speech Recognition）
標籤空間：
二分類（female / male）
來源資料：
Mozilla Common Voice 等語料（以英語朗讀為主）
授權：
Apache-2.0（模型）；本頁程式碼依你的 repo 授權
DOI：
10.57967/hf/5684
準確度（開發者報告）
  • 整體準確率：98.46%（6545 筆）
  • female：precision 0.9705、recall 0.9916、F1 0.9809（2622 筆）
  • male：precision 0.9943、recall 0.9799、F1 0.9870（3923 筆）

說明：上述為作者資料分佈下的離線評估；不同語言、環境、內容（如唱歌）可能與此有落差。

方法簡述（本頁實作）
  • 推論引擎：Transformers.js + ONNX Runtime；有 WebGPU 就用 GPU，否則回退 WASM。
  • 前處理（最小化）：立體混單聲道＋16 kHz 重採樣；不去靜音、不調音量。
  • 長檔策略：≤150 秒整段；更長改「串流分段」並 log-odds 加權聚合。
  • 可選 VAD（只「選段」）：偵測語音段落以略過長靜音；不動原音。
  • 隱私：100% 本地推論；音檔不離開裝置。只保留「最新一段」的回放 URL，換檔即釋放。
用途定位與倫理提醒
  • 定位：自我練習回饋、教學示範、資料標註輔助、研究原型。
  • 限制：此分數是「模型對聲音表現的傾向」，不是性別認同、醫療或法律判定。
  • 請勿：用於歧視、排除、或任何影響權益的自動決策。
版本與授權
版本：
更新：
授權：
模型 Apache-2.0；網站程式碼依你的 repo 授權
原始碼：
GitHub / vpa
相容性與效能
  • 瀏覽器：近期 Chrome / Edge / Firefox / Safari；開啟 WebGPU 更快。
  • 格式：audio/*、.m4a、.mp3、.wav、.mp4、.mov（影片僅取音軌）。
  • 備援：WebAudio 解不動時自動落到 ffmpeg.wasm，轉完即釋放記憶體。