MELD

拿《老友记》训练AI，学会在多模态对话中读懂情绪

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署对话助手 🍴 复刻 235 🐛 待处理 35 👀 关注 25

GitHub ↗

GitHub 星标 ★ 1097

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源数据集，GPL-3.0许可，完全免费，可自行下载使用。

项目预览

项目数据

分类对话助手

开发团队declare-lab

GitHubhttps://github.com/declare-lab/MELD

定价模式🏷️完全免费

价格说明开源数据集，GPL-3.0许可，完全免费，可自行下载使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议GPL-3.0

主要语言Python

技术栈/模型chatbot,conversational-ai,dialogue,dialogue-systems,emotion,emotion-detection,emotion-recognition,emotion-recognition-in-conversation,multimodal-emotion-recognition,multimodal-interactions,multimodal-sentiment-analysis,personality-profiling,personality-traits,sentiment-analysis

GitHub 星标★ 1097

上线时间2018-09-29 00:00:00

代码更新2026-05-17

仓库体积8.1 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数7

项目介绍

MELD是一个用于对话情感识别的多模态多说话人数据集，由南洋理工大学等机构发布，包含从美剧《老友记》中提取的约1400段对话和13000多个话语，每个话语标注了情感类别（如愤怒、喜悦、悲伤等）和情绪极性（正面、负面、中性）。该数据集同时提供文本、音频和视频三种模态，旨在推动对话系统中情感理解的研究。它解决了传统情感数据集仅关注单模态或单说话人的局限，为构建更自然的对话AI提供了基准。核心能力包括：支持多模态融合的情感识别、提供说话人依赖的上下文建模、以及标准化的训练/验证/测试划分，便于模型评估。MELD被广泛用于对话情感分析、多模态学习和人机交互研究，是情感计算领域的重要资源。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1097

技术标签

chatbot conversational-ai dialogue emotion sentiment-analysis

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 30 分钟部署方式：本地安装 6 步

环境要求

Python 环境（README 未指定版本）
从 README 指定链接下载 MELD.Features.Models.tar.gz 特征文件
用于存放特征的目录 ./data/pickles/
用于存放预训练模型的目录 ./data/models/
从 HuggingFace 下载 MELD 原始数据集（https://huggingface.co/datasets/declare-lab/MELD）

安装与启动步骤

1下载特征文件

用 README 给出的官方链接下载特征与模型压缩包，文件较大建议用 wget 断点续传。
```
wget http://web.eecs.umich.edu/~mihalcea/downloads/MELD.Features.Models.tar.gz
```
2放置特征到目录

解压后按 README 要求把特征放到 ./data/pickles/，目录不存在需先创建。
```
mkdir -p ./data/pickles
tar -xzf MELD.Features.Models.tar.gz -C ./data/pickles/
```
3查看可用参数

先执行帮助命令，确认 classify、modality 等参数写法，避免参数拼错。
```
python baseline.py -h
```
4训练文本情感基线

按 README 示例训练单模态文本情感分类，训练过程会读取 pickles 里的特征。
```
cd baseline && python baseline.py -classify Sentiment -modality text -train
```
5测试情感识别基线

切换 classify 为 Emotion 跑测试，验证训练产物与数据划分是否正常。
```
cd baseline && python baseline.py -classify Emotion -modality text -test
```
6使用预训练模型

下载同一压缩包中的模型权重，把 pickle 文件放入 ./data/models/ 后可直接测试。
```
mkdir -p ./data/models
cp ./data/pickles/*.pkl ./data/models/
```

关键配置

配置项	必填	说明	示例
`-classify`	是	指定任务类型，情感或情绪分类	`Sentiment`
`-modality`	是	指定输入模态，README 支持 text、audio、bimodal	`text`
`-train / -test`	是	切换训练或测试模式，二者择一	`-train`