vad-macbert
中文 VAD（valence/arousal/dominance）回归模型，基于 chinese-macbert-base。
输出 3 个连续值，目标对齐到教师模型 `RobroKools/vad-bert` 的 VAD 空间。
## 快速上手
```python
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
model_path = "Pectics/vad-macbert"
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForSequenceClassification.from_pretrained(model_path)
model.eval()
text = "这部电影让我很感动。"
inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=128)
with torch.no_grad():
outputs = model(**inputs)
vad = outputs.logits.squeeze().tolist()
print("VAD:", vad)
```
## 模型信息
- 基座模型：`hfl/chinese-macbert-base`
- 任务：VAD 回归（3 维输出：valence, arousal, dominance）
- 头部：`AutoModelForSequenceClassification`，`num_labels=3`，`problem_type=regression`
## 数据来源与标注方式
### en-zh_cn_vad_clean.csv
- 来源：OpenSubtitles 英中平行语料。
- 标注：将英文句子输入 `RobroKools/vad-bert` 获取 VAD，再把该 VAD 赋给对应中文句子。
### en-zh_cn_vad_long.csv
- 由 `en-zh_cn_vad_clean.csv` 过滤长句得到（原始阈值未记录）。
- 根据长度统计推断最小长度为 32 字符，推测当时过滤条件为 `len >= 32`。
### en-zh_cn_vad_long_clean.csv
- 从 `en-zh_cn_vad_long.csv` 清洗得到，去掉字幕样式噪声：
- ASS/SSA 标签块（如 `{\\fs..\\pos(..)}`，含不完整 `{`）
- HTML 类标签（如 `