Cyberlace/swara-structure-model

Swara Structure Analysis Model

BERT model untuk analisis struktur berbicara (opening, content, closing) dalam Bahasa Indonesia.

Model Description

Model ini dilatih untuk mengklasifikasikan kalimat dalam pidato/presentasi menjadi 3 kategori:

• Opening: Pembukaan (salam, perkenalan, pengantar)
• Content: Isi utama (poin-poin, argumen, penjelasan)
• Closing: Penutup (kesimpulan, ucapan terima kasih)

Usage

from transformers import BertTokenizer, BertForSequenceClassification
import torch

# Load model
model_name = "Cyberlace/swara-structure-model"
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertForSequenceClassification.from_pretrained(model_name)

# Predict
text = "Selamat pagi hadirin sekalian"
inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=128)

with torch.no_grad():
    outputs = model(**inputs)
    probs = torch.nn.functional.softmax(outputs.logits, dim=-1)
    predicted_class = torch.argmax(probs, dim=1).item()

labels = {0: "opening", 1: "content", 2: "closing"}
print(f"Predicted: {labels[predicted_class]}")

Training Data

Model dilatih dengan dataset pidato dan presentasi dalam Bahasa Indonesia.

Intended Use

Model ini digunakan dalam sistem analisis public speaking untuk:

• Evaluasi struktur presentasi
• Feedback otomatis untuk pembicara
• Training public speaking