Model weights v0.1 (real-data trained)

各情感通道解码器的真实公开数据训练权重（由 scripts/train_* 训练得到、可重训再生）。含真实公开数据训练成果，表情(FACS)通道暂无对应真实数据集、沿用 demo 权重一并归入。仓库本体不收录二进制权重（artifacts/ 仍 gitignore），此处作 Release 附件分享。对齐demo版本

权重清单

权重文件	方向	模型	数据集	final loss
text_affect_regressor.pt	文本→(v,a)	稳定哈希词袋 + 回归头	EmoBank	0.016
text_affect_regressor_st.pt	文本→(v,a)	冻结 all-MiniLM-L6-v2 (384d) 句向量 + MLP 头	EmoBank（10062 句）	0.0056
prosody_decoder.pt	(v,a)→韵律	MLP（音高 / 能量 / 过零率）	RAVDESS	0.026
physiology_decoder.pt	(v,a)→生理	MLP（心率 / EDA / Temp）	WESAD	0.024
expression_decoder.pt	(v,a)→表情 FACS	AU 向量解码	—（无真实数据集）	demo

各通道说明

• 文本输入侧（词袋 vs 句向量）：词袋版无语义泛化、跨域即失效（预测幅度被压在 ±0.12）。句向量版换冻结 MiniLM 只训 MLP 头，EmoBank 全量 10062 句上 loss 0.0156 → 0.0056（降 64%）、幅度 ±0.12 → ±0.6；跨域实测——口语「omg…best night」词袋错判负 / 句向量判对 (+0.52)，商业体裁「revenue disappointing」词袋几无反应 / 句向量识别负 (−0.33)，"furious" arousal +0.05 → +0.73。坐实「更广域靠语义表示而非堆数据量」。运行时置 ZERO_TEXT_AFFECT_BACKEND=st 启用句向量版。
• 韵律（RAVDESS）：librosa 提取音高 / 能量 / 过零率，(v,a) → 韵律参数。
• 生理（WESAD）：scipy R 波检测算心率 + EDA / Temp，(v,a) → 生理信号；CompositeChannelDecoder 可多通道叠加注入。
• 表情（FACS）：(v,a) → AU 向量；暂无对应真实数据集，沿用 demo 权重（表情真实数据训练待补）。

用法

下载 .pt 放入仓库根目录 artifacts/（已 gitignore），各 load_* / scripts/*（如 demo_pipeline）自动加载；缺某通道则回退内置默认 / 占位，不影响其它通道。重新训练：scripts/train_*（数据集获取见 DATASETS.md）。更多见 README「快速开始」。