ita-dtc-thread_team6

テキストの文字起こしにはWhisperをそのまま使用すると時間がかかるため、軽量バージョンのfaster_whisperというモデルを使用いたしました。 また、高速化の為に使用するモデルのサイズを

おっしゃる通りだと思います。 現状では不意に出た感情までを判定できません。今後の課題の一つです。対応するには現状行なっているテキスト変換を介した感情推定ではなく、音声のまま感情を認識する必要があると考え

作成自体は約40時間ほどになります。

vtuberという比較的新しいコンテンツがより広く認知してもらうことに貢献できると考えています。

現状は表情変化は次の感情判定まで維持されます。

返信のサンプルです