Upload README.md with huggingface_hub

README.md

@@ -0,0 +1,80 @@
+---
+tags:
+- turn-taking-detection
+- audio-classification
+- ecapa-tdnn
+- whisper
+- causal
+license: mit
+---
+
+# Turn-Taking Detection Models — Collection complète
+
+Modeles de detection de fin de tour (HOLD/SHIFT), architecture causale, entraines sur un melange de Smart Turn v3.2 (synthetique) et AppTek (audio reel de centre d'appel, 13 accents anglophones).
+
+## Protocole d'evaluation (versions "v3")
+
+- **Train** : Smart Turn v3.2 train + AppTek train (13 accents, equilibre HOLD/SHIFT)
+- **Validation** : tranche mixte (1% Smart Turn + 10% AppTek), utilisee uniquement pour la selection du meilleur epoch
+- **Test** : Smart Turn v3.2 test (officiel) + AppTek test (20% du pool, jamais vu a l'entrainement)
+- **OOD** : accent en-CN d'AppTek, totalement exclu de l'entrainement/validation/test
+
+## Modeles disponibles
+
+### phase1_v32_light.pt (deja depose precedemment)
+
+Backbone acoustique causal (ECAPA-TDNN), 462K parametres, entraine uniquement sur Smart Turn v3.2, sans AppTek.
+
+| Evaluation | Accuracy | ROC-AUC |
+|---|---|---|
+| Smart Turn v3.2 test (officiel) | 87.42% | 0.9438 |
+
+### phase1-ecapa-tdnn-mixed-v3-light.pt / -full.pt
+
+Meme architecture, entraine sur le mix Smart Turn + AppTek, protocole train/val/test propre (validation mixte).
+
+| Evaluation | Accuracy | Balanced Acc | ROC-AUC |
+|---|---|---|---|
+| Test combine (ST+AppTek) | 84.89% | 84.89% | 0.9289 |
+| — dont Smart Turn test seul | 87.42% | 87.42% | 0.9450 |
+| — dont AppTek test seul (accents vus) | 68.54% | 68.59% | 0.7583 |
+| OOD (en-CN, accent jamais vu) | 59.54% | 59.54% | 0.6587 |
+
+### phase2-whisper-crossattn-mixed-v3-light.pt / -full.pt
+
+Fusion acoustique-semantique : Phase 1 (gele) + Whisper-tiny encoder (gele) + cross-attention causale + TCN.
+
+| Evaluation | Accuracy | Balanced Acc | ROC-AUC |
+|---|---|---|---|
+| Test combine (ST+AppTek) | 90.48% | 90.48% | 0.9672 |
+| — dont Smart Turn test seul | 92.51% | 92.51% | 0.9772 |
+| — dont AppTek test seul (accents vus) | 77.35% | 77.41% | 0.8541 |
+| OOD (en-CN, accent jamais vu) | 71.07% | 71.07% | 0.7909 |
+
+## Resultat cle
+
+La fusion semantique ameliore la performance de facon croissante avec la difficulte du domaine : +5.09 points sur Smart Turn (synthetique familier), +8.81 points sur AppTek (reel familier), +11.53 points sur en-CN (reel inedit).
+
+## Chargement
+
+```python
+import torch
+ckpt = torch.load("phase2-whisper-crossattn-mixed-v3-light.pt", map_location="cpu")
+model.load_state_dict(ckpt['best_state'])
+```
+
+Pour reprendre l'entrainement (versions "-full") :
+```python
+ckpt = torch.load("phase2-whisper-crossattn-mixed-v3-full.pt", map_location="cpu")
+model.load_state_dict(ckpt['model'])
+optimizer.load_state_dict(ckpt['opt'])
+scheduler.load_state_dict(ckpt['sched'])
+start_epoch = ckpt['epoch'] + 1
+```
+
+## Limites connues
+
+- Entrainement majoritairement synthetique (Smart Turn ~94% du volume train)
+- Ecart de performance significatif entre donnees synthetiques et reelles, attenue mais non resolu par la fusion semantique
+- Couverture AppTek limitee a l'anglais (14 accents)
+- Whisper-frozen (encodeur gele + tete simple) : run interrompu pour cause d'espace disque, a refaire