Аудио

class oceanai.modules.lab.audio.AudioMessages(lang: str = 'ru', color_simple: str = '#666', color_info: str = '#1776D2', color_err: str = '#FF0000', color_true: str = '#008001', bold_text: bool = True, text_runtime: str = '', num_to_df_display: int = 30)[исходный код]

Базовые классы: Download

Класс для сообщений

Параметры

lang (str) – Смотреть lang
color_simple (str) – Смотреть color_simple
color_info (str) – Смотреть color_info
color_err (str) – Смотреть color_err
color_true (str) – Смотреть color_true
bold_text (bool) – Смотреть bold_text
num_to_df_display (int) – Смотреть num_to_df_display
text_runtime (str) – Смотреть text_runtime

class oceanai.modules.lab.audio.Audio(lang: str = 'ru', color_simple: str = '#666', color_info: str = '#1776D2', color_err: str = '#FF0000', color_true: str = '#008001', bold_text: bool = True, text_runtime: str = '', num_to_df_display: int = 30)[исходный код]

Базовые классы: AudioMessages

Класс для обработки аудио

Параметры

lang (str) – Смотреть lang
color_simple (str) – Смотреть color_simple
color_info (str) – Смотреть color_info
color_err (str) – Смотреть color_err
color_true (str) – Смотреть color_true
bold_text (bool) – Смотреть bold_text
num_to_df_display (int) – Смотреть num_to_df_display
text_runtime (str) – Смотреть text_runtime

__concat_pred(pred_hc: ndarray, pred_melspectrogram: ndarray, out: bool = True) → List[Optional[ndarray]]

Конкатенация оценок по экспертным и нейросетевым признакам

Примечание

private (приватный метод)

Параметры

pred_hc (np.ndarray) – Оценки по экспертным признакам
pred_melspectrogram (np.ndarray) – Оценки по нейросетевым признакам
out (bool) – Отображение

Результат

Конкатенированные оценки по экспертным и нейросетевым признакам

Тип результата

List[Optional[np.ndarray]]

Примеры

Верно – 1 –

In [1]:

import numpy as np
from oceanai.modules.lab.audio import Audio

audio = Audio()

arr_hc = np.array([
    [0.64113516, 0.6217892, 0.54451424, 0.6144415, 0.59334993],
    [0.6652424, 0.63606125, 0.572305, 0.63169795, 0.612515]
])

arr_melspectrogram = np.array([
    [0.56030345, 0.7488746, 0.44648764, 0.59893465, 0.5701077],
    [0.5900006, 0.7652722, 0.4795154, 0.6409055, 0.6088242]
])

audio._Audio__concat_pred(
    pred_hc = arr_hc,
    pred_melspectrogram = arr_melspectrogram,
    out = True
)

[1]:

[
    array([
            0.64113516, 0.6652424, 0.65318878, 0.65318878, 0.65318878,
            0.65318878, 0.65318878, 0.65318878, 0.65318878, 0.65318878,
            0.65318878, 0.65318878, 0.65318878, 0.65318878, 0.65318878,
            0.65318878, 0.56030345, 0.5900006, 0.57515202, 0.57515202,
            0.57515202, 0.57515202, 0.57515202, 0.57515202, 0.57515202,
            0.57515202, 0.57515202, 0.57515202, 0.57515202, 0.57515202,
            0.57515202, 0.57515202
    ]),
    array([
            0.6217892, 0.63606125, 0.62892523, 0.62892523, 0.62892523,
            0.62892523, 0.62892523, 0.62892523, 0.62892523, 0.62892523,
            0.62892523, 0.62892523, 0.62892523, 0.62892523, 0.62892523,
            0.62892523, 0.7488746, 0.7652722, 0.7570734, 0.7570734,
            0.7570734, 0.7570734, 0.7570734, 0.7570734, 0.7570734,
            0.7570734, 0.7570734, 0.7570734, 0.7570734, 0.7570734,
            0.7570734, 0.7570734
    ]),
    array([
            0.54451424, 0.572305, 0.55840962, 0.55840962, 0.55840962,
            0.55840962, 0.55840962, 0.55840962, 0.55840962, 0.55840962,
            0.55840962, 0.55840962, 0.55840962, 0.55840962, 0.55840962,
            0.55840962, 0.44648764, 0.4795154, 0.46300152, 0.46300152,
            0.46300152, 0.46300152, 0.46300152, 0.46300152, 0.46300152,
            0.46300152, 0.46300152, 0.46300152, 0.46300152, 0.46300152,
            0.46300152, 0.46300152
    ]),
    array([
            0.6144415, 0.63169795, 0.62306972, 0.62306972, 0.62306972,
            0.62306972, 0.62306972, 0.62306972, 0.62306972, 0.62306972,
            0.62306972, 0.62306972, 0.62306972, 0.62306972, 0.62306972,
            0.62306972, 0.59893465, 0.6409055, 0.61992008, 0.61992008,
            0.61992008, 0.61992008, 0.61992008, 0.61992008, 0.61992008,
            0.61992008, 0.61992008, 0.61992008, 0.61992008, 0.61992008,
            0.61992008, 0.61992008
    ]),
    array([
            0.59334993, 0.612515, 0.60293247, 0.60293247, 0.60293247,
            0.60293247, 0.60293247, 0.60293247, 0.60293247, 0.60293247,
            0.60293247, 0.60293247, 0.60293247, 0.60293247, 0.60293247,
            0.60293247, 0.5701077, 0.6088242, 0.58946595, 0.58946595,
            0.58946595, 0.58946595, 0.58946595, 0.58946595, 0.58946595,
            0.58946595, 0.58946595, 0.58946595, 0.58946595, 0.58946595,
            0.58946595, 0.58946595
    ])
]

Ошибка – 1 –

In [2]:

import numpy as np
from oceanai.modules.lab.audio import Audio

audio = Audio()

arr_hc = np.array([
    [0.64113516, 0.6217892, 0.54451424, 0.6144415],
    [0.6652424, 0.63606125, 0.572305, 0.63169795, 0.612515]
])

arr_melspectrogram = np.array([
    [0.56030345, 0.7488746, 0.44648764, 0.59893465, 0.5701077],
    [0.5900006, 0.7652722, 0.4795154, 0.6409055, 0.6088242]
])

audio._Audio__concat_pred(
    pred_hc = arr_hc,
    pred_melspectrogram = arr_melspectrogram,
    out = True
)

[3]:

[2022-10-20 22:33:31] Что-то пошло не так ... конкатенация оценок по экспертным и нейросетевым
признакам не произведена (аудио модальность) ...

[]

__load_audio_model_b5(show_summary: bool = False, out: bool = True) → Optional[Model]

Формирование нейросетевой архитектуры модели для получения результата оценки персонального качества

Примечание

private (приватный метод)

Параметры

show_summary (bool) – Отображение сформированной нейросетевой архитектуры модели
out (bool) – Отображение

Результат

None если неверные типы или значения аргументов, в обратном случае нейросетевая модель tf.keras.Model для получения результата оценки персонального качества

Тип результата

Optional[tf.keras.Model]

__load_model_weights(url: str, force_reload: bool = True, info_text: str = '', out: bool = True, runtime: bool = True, run: bool = True) → bool

Загрузка весов нейросетевой модели

Примечание

private (приватный метод)

Параметры

url (str) – Полный путь к файлу с весами нейросетевой модели
force_reload (bool) – Принудительная загрузка файла с весами нейросетевой модели из сети
info_text (str) – Текст для информационного сообщения
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения

Результат

True если веса нейросетевой модели загружены, в обратном случае False

Тип результата

bool

__norm_pred(pred_data: ndarray, len_spec: int = 16, out: bool = True) → ndarray

Нормализация оценок по экспертным и нейросетевым признакам

Примечание

private (приватный метод)

Параметры

pred_data (np.ndarray) – Оценки
len_spec (int) – Максимальный размер вектора оценок
out (bool) – Отображение

Результат

Нормализованные оценки по экспертным и нейросетевым признакам

Тип результата

np.ndarray

__smile() → Smile

Извлечение функций OpenSmile

Примечание

private (приватный метод)

Результат: Извлеченные функции OpenSmile
Тип результата: opensmile.core.smile.Smile

_get_acoustic_features(path: str, sr: int = 44100, window: Union[int, float] = 2.0, step: Union[int, float] = 1.0, last: bool = False, out: bool = True, runtime: bool = True, run: bool = True) → Tuple[List[Optional[ndarray]], List[Optional[ndarray]]][исходный код]

Извлечение признаков из акустического сигнала (без очистки истории вывода сообщений в ячейке Jupyter)

Примечание

protected (защищенный метод)

Параметры

path (str) – Путь к аудио или видеофайлу
sr (int) – Частота дискретизации
window (Union[int, float]) – Размер окна сегмента сигнала (в секундах)
step (Union[int, float]) – Шаг сдвига окна сегмента сигнала (в секундах)
last (bool) – Замена последнего сообщения
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения

Результат

Кортеж с двумя списками:

Список с экспертными признаками

Список с лог мел-спектрограммами

Тип результата

Tuple[List[Optional[np.ndarray]], List[Optional[np.ndarray]]]

Примеры

Верно – 1 –

In [1]:

from oceanai.modules.lab.audio import Audio

audio = Audio()

sr = 44100
path = '/Users/dl/GitHub/oceanai/oceanai/dataset/test80_01/glgfB3vFewc.004.mp4'

hc_features, melspectrogram_features = audio._get_acoustic_features(
    path = path, sr = sr,
    window = 2, step = 1,
    last = False, out = True,
    runtime = True, run = True
)

[1]:

[2022-10-19 14:58:19] Извлечение признаков (экспертных и лог мел-спектрограмм) из акустического сигнала ...

[2022-10-19 14:58:20] Статистика извлеченных признаков из акустического сигнала:
    Общее количество сегментов с:
    1. экспертными признаками: 12
    2. лог мел-спектрограммами: 12
    Размерность матрицы экспертных признаков одного сегмента: 196 ✕ 25
    Размерность тензора с лог мел-спектрограммами одного сегмента: 224 ✕ 224 ✕ 3

--- Время выполнения: 1.273 сек. ---

Ошибки – 1 –

In [2]:

from oceanai.modules.lab.audio import Audio

audio = Audio()

sr = 44100
path = '/Users/dl/GitHub/oceanai/oceanai/dataset/test80_01/glgfB3vFewc.004.mp4'

hc_features, melspectrogram_features = audio._get_acoustic_features(
    path = 1, sr = sr,
    window = 2, step = 1,
    last = False, out = True,
    runtime = True, run = True
)

[2]:

[2022-10-19 15:33:04] Неверные типы или значения аргументов в "Audio._get_acoustic_features" ...

– 2 –

In [2]:

from oceanai.modules.lab.audio import Audio

audio = Audio()

sr = 44100
path = '/Users/dl/GitHub/oceanai/oceanai/dataset/test80_01/glgfB3vFewc.004.mp4'

hc_features, melspectrogram_features = audio._get_acoustic_features(
    path = path, sr = sr,
    window = 0.04, step = 1,
    last = False, out = True,
    runtime = True, run = True
)

[2]:

[2022-10-19 15:34:38] Извлечение признаков (экспертных и лог мел-спектрограмм) из акустического сигнала ...

[2022-10-19 15:34:38] Что-то пошло не так ... указан слишком маленький размер (0.04) окна сегмента сигнала ...

    Файл: /Users/dl/GitHub/oceanai/oceanai/modules/lab/audio.py
    Линия: 863
    Метод: _get_acoustic_features
    Тип ошибки: IsSmallWindowSizeError

--- Время выполнения: 0.049 сек. ---

property audio_model_hc_: Optional[Model]

Получение нейросетевой модели tf.keras.Model для получения оценок по экспертным признакам

Результат: Нейросетевая модель tf.keras.Model или None
Тип результата: Optional[tf.keras.Model]

property audio_model_nn_: Optional[Model]

Получение нейросетевой модели tf.keras.Model для получения оценок по нейросетевым признакам

Результат: Нейросетевая модель tf.keras.Model или None
Тип результата: Optional[tf.keras.Model]

property audio_models_b5_: Dict[str, Optional[Model]]

Получение нейросетевых моделей tf.keras.Model для получения результатов оценки персональных качеств

Результат: Словарь с нейросетевыми моделями tf.keras.Model
Тип результата: Dict

get_acoustic_features(path: str, sr: int = 44100, window: Union[int, float] = 2.0, step: Union[int, float] = 1.0, out: bool = True, runtime: bool = True, run: bool = True) → Tuple[List[Optional[ndarray]], List[Optional[ndarray]]][исходный код]

Извлечение признаков из акустического сигнала

Параметры

path (str) – Путь к аудио или видеофайлу
sr (int) – Частота дискретизации
window (Union[int, float]) – Размер окна сегмента сигнала (в секундах)
step (Union[int, float]) – Шаг сдвига окна сегмента сигнала (в секундах)
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения

Результат

Кортеж с двумя списками:

Список с экспертными признаками

Список с лог мел-спектрограммами

Тип результата

Tuple[List[Optional[np.ndarray]], List[Optional[np.ndarray]]]

Пример

get_audio_union_predictions(depth: int = 1, recursive: bool = False, sr: int = 44100, window: Union[int, float] = 2.0, step: Union[int, float] = 1.0, accuracy=True, url_accuracy: str = '', logs: bool = True, out: bool = True, runtime: bool = True, run: bool = True) → bool[исходный код]

Получения прогнозов по аудио

Параметры

depth (int) – Глубина иерархии для получения данных
recursive (bool) – Рекурсивный поиск данных
sr (int) – Частота дискретизации
window (Union[int, float]) – Размер окна сегмента сигнала (в секундах)
step (Union[int, float]) – Шаг сдвига окна сегмента сигнала (в секундах)
accuracy (bool) – Вычисление точности
url_accuracy (str) – Полный путь к файлу с верными предсказаниями для подсчета точности
logs (bool) – При необходимости формировать LOG файл
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения

Результат

True если прогнозы успешно получены, в обратном случае False

Тип результата

bool

Пример

load_audio_model_hc(show_summary: bool = False, out: bool = True, runtime: bool = True, run: bool = True) → bool[исходный код]

Формирование нейросетевой архитектуры модели для получения оценок по экспертным признакам

Параметры

show_summary (bool) – Отображение сформированной нейросетевой архитектуры модели
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения

Результат

True если нейросетевая архитектура модели сформирована, в обратном случае False

Тип результата

bool

load_audio_model_nn(show_summary: bool = False, out: bool = True, runtime: bool = True, run: bool = True) → bool[исходный код]

Формирование нейросетевой архитектуры для получения оценок по нейросетевым признакам

Параметры

show_summary (bool) – Отображение сформированной нейросетевой архитектуры модели
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения

Результат

True если нейросетевая архитектура модели сформирована, в обратном случае False

Тип результата

bool

Примеры

Верно – 1 –

In [1]:

from oceanai.modules.lab.audio import Audio

audio = Audio()
audio.load_audio_model_nn(
    show_summary = True, out = True,
    runtime = True, run = True
)

[1]:

[2022-10-17 13:25:34] Формирование нейросетевой архитектуры для получения оценок по нейросетевым признакам (аудио модальность) ...

Model: "model"
_________________________________________________________________
 Layer (type)                Output Shape              Param #
=================================================================
 input_1 (InputLayer)        [(None, 224, 224, 3)]     0

 block1_conv1 (Conv2D)       (None, 224, 224, 64)      1792

 block1_conv2 (Conv2D)       (None, 224, 224, 64)      36928

 block1_pool (MaxPooling2D)  (None, 112, 112, 64)      0

 block2_conv1 (Conv2D)       (None, 112, 112, 128)     73856

 block2_conv2 (Conv2D)       (None, 112, 112, 128)     147584

 block2_pool (MaxPooling2D)  (None, 56, 56, 128)       0

 block3_conv1 (Conv2D)       (None, 56, 56, 256)       295168

 block3_conv2 (Conv2D)       (None, 56, 56, 256)       590080

 block3_conv3 (Conv2D)       (None, 56, 56, 256)       590080

 block3_pool (MaxPooling2D)  (None, 28, 28, 256)       0

 block4_conv1 (Conv2D)       (None, 28, 28, 512)       1180160

 block4_conv2 (Conv2D)       (None, 28, 28, 512)       2359808

 block4_conv3 (Conv2D)       (None, 28, 28, 512)       2359808

 block4_pool (MaxPooling2D)  (None, 14, 14, 512)       0

 block5_conv1 (Conv2D)       (None, 14, 14, 512)       2359808

 block5_conv2 (Conv2D)       (None, 14, 14, 512)       2359808

 block5_conv3 (Conv2D)       (None, 14, 14, 512)       2359808

 block5_pool (MaxPooling2D)  (None, 7, 7, 512)         0

 flatten (Flatten)           (None, 25088)             0

 dense (Dense)               (None, 512)               12845568

 dropout (Dropout)           (None, 512)               0

 dense_1 (Dense)             (None, 256)               131328

 dense_2 (Dense)             (None, 5)                 1285

=================================================================
Total params: 27,692,869
Trainable params: 27,692,869
Non-trainable params: 0
_________________________________________________________________
--- Время выполнения: 0.407 сек. ---

True

Ошибка – 1 –

In [2]:

from oceanai.modules.lab.audio import Audio

audio = Audio()
audio.load_audio_model_nn(
    show_summary = 1, out = True,
    runtime = True, run = True
)

[2]:

[2022-10-17 13:25:40] Неверные типы или значения аргументов в "Audio.load_audio_model_nn" ...

False

load_audio_model_weights_hc(url: str, force_reload: bool = True, out: bool = True, runtime: bool = True, run: bool = True) → bool[исходный код]

Загрузка весов нейросетевой модели для получения оценок по экспертным признакам

Параметры

url (str) – Полный путь к файлу с весами нейросетевой модели
force_reload (bool) – Принудительная загрузка файла с весами нейросетевой модели из сети
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения

Результат

True если веса нейросетевой модели загружены, в обратном случае False

Тип результата

bool

load_audio_model_weights_nn(url: str, force_reload: bool = True, out: bool = True, runtime: bool = True, run: bool = True) → bool[исходный код]

Загрузка весов нейросетевой модели для получения оценок по нейросетевым признакам

Параметры

url (str) – Полный путь к файлу с весами нейросетевой модели
force_reload (bool) – Принудительная загрузка файла с весами нейросетевой модели из сети
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения

Результат

True если веса нейросетевой модели загружены, в обратном случае False

Тип результата

bool

load_audio_models_b5(show_summary: bool = False, out: bool = True, runtime: bool = True, run: bool = True) → bool[исходный код]

Формирование нейросетевых архитектур моделей для получения результатов оценки персональных качеств

Параметры

show_summary (bool) – Отображение последней сформированной нейросетевой архитектуры моделей
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения

Результат

True если нейросетевые архитектуры модели сформированы, в обратном случае False

Тип результата

bool

load_audio_models_weights_b5(url_openness: str, url_conscientiousness: str, url_extraversion: str, url_agreeableness: str, url_non_neuroticism: str, force_reload: bool = True, out: bool = True, runtime: bool = True, run: bool = True) → bool[исходный код]

Загрузка весов нейросетевых моделей для получения результатов оценки персональных качеств

Параметры

url_openness (str) – Полный путь к файлу с весами нейросетевой модели (открытость опыту)
url_conscientiousness (str) – Полный путь к файлу с весами нейросетевой модели (добросовестность)
url_extraversion (str) – Полный путь к файлу с весами нейросетевой модели (экстраверсия)
url_agreeableness (str) – Полный путь к файлу с весами нейросетевой модели (доброжелательность)
url_non_neuroticism (str) – Полный путь к файлу с весами нейросетевой модели (эмоциональная стабильность)
force_reload (bool) – Принудительная загрузка файлов с весами нейросетевых моделей из сети
out (bool) – Отображение
runtime (bool) – Подсчет времени выполнения
run (bool) – Блокировка выполнения

Результат

True если веса нейросетевых моделей загружены, в обратном случае False

Тип результата

bool

Примеры

Верно – 1 –

In [1]:

from oceanai.modules.lab.audio import Audio

audio = Audio()

audio.load_audio_models_b5(
    show_summary = False, out = True,
    runtime = True, run = True
)

[1]:

[2022-10-18 22:40:05] Формирование нейросетевых архитектур моделей для получения результатов оценки
персональных качеств (аудио модальность) ...

--- Время выполнения: 0.163 сек. ---

True

In [2]:

audio.path_to_save_ = './models'
audio.chunk_size_ = 2000000

url_openness = audio.weights_for_big5_['audio']['b5']['openness']['sberdisk']
url_conscientiousness = audio.weights_for_big5_['audio']['b5']['conscientiousness']['sberdisk']
url_extraversion = audio.weights_for_big5_['audio']['b5']['extraversion']['sberdisk']
url_agreeableness = audio.weights_for_big5_['audio']['b5']['agreeableness']['sberdisk']
url_non_neuroticism = audio.weights_for_big5_['audio']['b5']['non_neuroticism']['sberdisk']

audio.load_audio_models_weights_b5(
    url_openness = url_openness,
    url_conscientiousness = url_conscientiousness,
    url_extraversion = url_extraversion,
    url_agreeableness = url_agreeableness,
    url_non_neuroticism = url_non_neuroticism,
    force_reload = True,
    out = True,
    runtime = True,
    run = True
)

[2]:

[2022-10-18 23:08:37] Загрузка весов нейросетевых моделей для получения результатов оценки
персональных качеств (аудио модальность) ...

[2022-10-18 23:08:37] Загрузка файла "weights_2022-06-15_16-16-20.h5" (100.0%) ... Открытость опыту

[2022-10-18 23:08:38] Загрузка файла "weights_2022-06-15_16-21-57.h5" (100.0%) ... Добросовестность

[2022-10-18 23:08:38] Загрузка файла "weights_2022-06-15_16-26-41.h5" (100.0%) ... Экстраверсия

[2022-10-18 23:08:38] Загрузка файла "weights_2022-06-15_16-32-51.h5" (100.0%) ... Доброжелательность

[2022-10-18 23:08:39] Загрузка файла "weights_2022-06-15_16-37-46.h5" (100.0%) ... Эмоциональная стабильность

--- Время выполнения: 1.611 сек. ---

True

Ошибка – 1 –

In [3]:

from oceanai.modules.lab.audio import Audio

audio = Audio()

audio.path_to_save_ = './models'
audio.chunk_size_ = 2000000

url_openness = audio.weights_for_big5_['audio']['b5']['openness']['sberdisk']
url_conscientiousness = audio.weights_for_big5_['audio']['b5']['conscientiousness']['sberdisk']
url_extraversion = audio.weights_for_big5_['audio']['b5']['extraversion']['sberdisk']
url_agreeableness = audio.weights_for_big5_['audio']['b5']['agreeableness']['sberdisk']
url_non_neuroticism = audio.weights_for_big5_['audio']['b5']['non_neuroticism']['sberdisk']

audio.load_audio_models_weights_b5(
    url_openness = url_openness,
    url_conscientiousness = url_conscientiousness,
    url_extraversion = url_extraversion,
    url_agreeableness = url_agreeableness,
    url_non_neuroticism = url_non_neuroticism,
    force_reload = True,
    out = True,
    runtime = True,
    run = True
)

[3]:

[2022-10-18 23:09:40] Загрузка весов нейросетевых моделей для получения результатов оценки
персональных качеств (аудио модальность) ...

[2022-10-18 23:09:41] Загрузка файла "weights_2022-06-15_16-16-20.h5" (100.0%) ...

[2022-10-18 23:09:41] Что-то пошло не так ... не удалось загрузить веса нейросетевой модели ...
Открытость опыту

    Файл: /Users/dl/GitHub/oceanai/oceanai/modules/lab/audio.py
    Линия: 1764
    Метод: load_audio_models_weights_b5
    Тип ошибки: AttributeError

[2022-10-18 23:09:41] Загрузка файла "weights_2022-06-15_16-21-57.h5" (100.0%) ...

[2022-10-18 23:09:41] Что-то пошло не так ... не удалось загрузить веса нейросетевой модели ...
Добросовестность

    Файл: /Users/dl/GitHub/oceanai/oceanai/modules/lab/audio.py
    Линия: 1764
    Метод: load_audio_models_weights_b5
    Тип ошибки: AttributeError

[2022-10-18 23:09:41] Загрузка файла "weights_2022-06-15_16-26-41.h5" (100.0%) ...

[2022-10-18 23:09:41] Что-то пошло не так ... не удалось загрузить веса нейросетевой модели ...
Экстраверсия

    Файл: /Users/dl/GitHub/oceanai/oceanai/modules/lab/audio.py
    Линия: 1764
    Метод: load_audio_models_weights_b5
    Тип ошибки: AttributeError

[2022-10-18 23:09:42] Загрузка файла "weights_2022-06-15_16-32-51.h5" (100.0%) ...

[2022-10-18 23:09:42] Что-то пошло не так ... не удалось загрузить веса нейросетевой модели ...
Доброжелательность

    Файл: /Users/dl/GitHub/oceanai/oceanai/modules/lab/audio.py
    Линия: 1764
    Метод: load_audio_models_weights_b5
    Тип ошибки: AttributeError

[2022-10-18 23:09:42] Загрузка файла "weights_2022-06-15_16-37-46.h5" (100.0%) ...

[2022-10-18 23:09:42] Что-то пошло не так ... не удалось загрузить веса нейросетевой модели ...
Эмоциональная стабильность

    Файл: /Users/dl/GitHub/oceanai/oceanai/modules/lab/audio.py
    Линия: 1764
    Метод: load_audio_models_weights_b5
    Тип ошибки: AttributeError

--- Время выполнения: 1.573 сек. ---

False

property smile_: Smile

Получение функций OpenSmile

Результат: Извлеченные функции OpenSmile
Тип результата: opensmile.core.smile.Smile