Shadowgraph
TrendingBuzzTop stargazers
Chrome extension
Sign in

uurspecial/llm-tone-transfer

基於 LLM 的可控語氣轉換 LLM-based Controllable Tone Transfer

Python

0

60 commits

updated Jul 19, 2026

See the code

README

基於 LLM 的可控語氣轉換

  • 這個專案旨在實現大型語言模型（LLM）的語氣轉換與評分系統。
  • 作者：葉毅慧、卓湧恩

主要目標

  • 建立一個語氣轉換系統。它有自己的個性，回覆更有趣。
  • 驗證參考資料和prompt對語氣生成的影響。設計對照實驗，比較模型在只有prompt和加上資料集的表現差異。
  • 比較多種模型在語氣轉換的表現。出哪種方法表現最好。

目錄結構

llm-tone-transfer/
├── src/                     # 原始程式碼與資料處理
│   └── data/                # 測試資料與 JSONL 資料集
├── scorer/                  # 評分模組，負責語氣等級判分
│   ├── model_clients.py     # 模型客戶端封裝
│   ├── README.md            # scorer 專屬說明文件
│   ├── requirements.txt     # scorer 專屬依賴清單
│   ├── scorer_prompt.py     # 評分 prompt 定義
│   └── scorer.py            # 評分主體邏輯
├── generator/               # 生成模組，負責語氣轉換任務
│   ├── main.py              # 生成流程主程式
│   ├── generator.py         # 各模型生成器定義
│   ├── change.py            # 同等級換句話說/同義改寫
│   ├── prompts.py           # prompt 建立器
│   ├── scorer.py            # local scorer wrapper
│   └── utils.py             # 共享工具與環境初始化
├── results/                 # 生成與評分結果檔案（輸出資料）
├── .env                     # 環境變數設定（自行設定）
├── requirements.txt        # 專案依賴套件清單
└── README.md                # 專案說明文件

等級定義

等級名稱定義關鍵字/範例
1溫和 Polite / Warm語氣柔軟，以維護關係或展現禮貌為目的。謝謝、麻煩你、喔、吧、不好意思
2中性 Neutral / Factual如機器人或新聞報導般陳述事實，不帶個人情緒。僅傳遞資訊，無語助詞
3不滿 Direct Anger情緒直接外露，直球對決。表達憤怒、指責或命令。閉嘴、你很煩、爛透了、抱怨
4酸 Sarcastic陰陽怪氣、高級反諷。用誇獎形式貶低，帶有幽默感。你的智商真是人類奇蹟、挖苦

資料集

檔案名稱格式筆數說明
dataset.jsonl{"text", "score"}641完整資料集
dataset_scorer.jsonl{"text", "score"}452提供給Scorer作為 Few-shot 範例
dataset_test.jsonl{"text", "score"}189紀錄測試句的「原始語氣」，作為改寫任務的來源輸入。
dataset_test_generator.jsonl{"text", "target"}567由 dataset_test.jsonl 擴展而來，指定原句需改寫成的目標語氣。

資料切分說明

[dataset.jsonl](641筆) ───────> [dataset_scorer.jsonl] (452筆)
                   └───> [dataset_test.jsonl]   (189筆)

資料集範例

等級名稱範例
1溫和請多指教，很高興認識你。
2中性我們還是照原本的計畫進行吧。
3不滿你這樣做只會讓大家更討厭你而已。
4酸我小時候被狗咬過，所以現在看你有點害怕。

模型介紹

  • scorer：語氣裁判系統。負責評分，高準確率。 詳細內容請參考 scorer/README.md。
  • generator：負責生成改寫句子和變更語氣。詳細內容請參考 generator/README.md。

執行方式

  1. 先安裝依賴：
pip install -r requirements.txt
  1. 建立 .env 檔，並填入必要的 API key，例如：
GOOGLE_API_KEY=你的_google_api_key
HUGGINGFACE_TOKEN=你的_huggingface_token
GROQ_API_KEY=你的_qroq_api_key
OPENAI_API_KEY=你的_openai_api_key

現有結果比較

scorer

模型名稱準確率 (Accuracy)
gpt-4o-mini93.41%
Breeze-7B-Instruct-v1_050.00%
Meta-Llama-3-8B-Instruct45.83%

generator

老師的程式碼:

系列zero-shot4-shot8-shot12-shot
Llama-3.1-8B-Instruct43.56%29.98%27.51%26.63%
Llama-Breeze2-8B-Instruct25.40%30.86%34.92%36.16%

簡報上的（我不知道是哪個檔案的結果）:

系列zero-shot4-shot8-shot12-shot
Llama-3.1-8B-Instruct58.77%29.98%29.95%28.07%
Llama-Breeze2-8B-Instruct35.09%36.84%38.60%40.35%

Similar repos

uurspecial/flask-chat-mvp

雞掰風格調整

0

same org

LianjiaTech/BELLE

BELLE: Be Everyone's Large Language model Engine（开源中文对话大模型）

8,268

GAIR-NLP/auto-j

Generative Judge for Evaluating Alignment

253

Yuuxii/Influences-on-LLM-Calibration

5

NEU-DataMining/awesome-affective-computing

A comprehensive overview of affective computing research in the era of large language models (LLMs).

34

ira-rumik/IndicEmo

IndicEmo: Benchmark for Emotional Expressiveness in Multilingual, Code-Switched TTS

5

aalokagrawal/Zeroshot_Counterspeech

This repository contains code for zeroshot counterspeech generation.

1

rbroc/echo

A Scalable and Explainable Approach to Discriminating Between Human and Artificially Generated Text

2

uurspecial/llm-tone-transfer

基於 LLM 的可控語氣轉換 LLM-based Controllable Tone Transfer

Python

0

60 commits

updated Jul 19, 2026

See the code

README

基於 LLM 的可控語氣轉換

  • 這個專案旨在實現大型語言模型（LLM）的語氣轉換與評分系統。
  • 作者：葉毅慧、卓湧恩

主要目標

  • 建立一個語氣轉換系統。它有自己的個性，回覆更有趣。
  • 驗證參考資料和prompt對語氣生成的影響。設計對照實驗，比較模型在只有prompt和加上資料集的表現差異。
  • 比較多種模型在語氣轉換的表現。出哪種方法表現最好。

目錄結構

llm-tone-transfer/
├── src/                     # 原始程式碼與資料處理
│   └── data/                # 測試資料與 JSONL 資料集
├── scorer/                  # 評分模組，負責語氣等級判分
│   ├── model_clients.py     # 模型客戶端封裝
│   ├── README.md            # scorer 專屬說明文件
│   ├── requirements.txt     # scorer 專屬依賴清單
│   ├── scorer_prompt.py     # 評分 prompt 定義
│   └── scorer.py            # 評分主體邏輯
├── generator/               # 生成模組，負責語氣轉換任務
│   ├── main.py              # 生成流程主程式
│   ├── generator.py         # 各模型生成器定義
│   ├── change.py            # 同等級換句話說/同義改寫
│   ├── prompts.py           # prompt 建立器
│   ├── scorer.py            # local scorer wrapper
│   └── utils.py             # 共享工具與環境初始化
├── results/                 # 生成與評分結果檔案（輸出資料）
├── .env                     # 環境變數設定（自行設定）
├── requirements.txt        # 專案依賴套件清單
└── README.md                # 專案說明文件

等級定義

等級名稱定義關鍵字/範例
1溫和 Polite / Warm語氣柔軟，以維護關係或展現禮貌為目的。謝謝、麻煩你、喔、吧、不好意思
2中性 Neutral / Factual如機器人或新聞報導般陳述事實，不帶個人情緒。僅傳遞資訊，無語助詞
3不滿 Direct Anger情緒直接外露，直球對決。表達憤怒、指責或命令。閉嘴、你很煩、爛透了、抱怨
4酸 Sarcastic陰陽怪氣、高級反諷。用誇獎形式貶低，帶有幽默感。你的智商真是人類奇蹟、挖苦

資料集

檔案名稱格式筆數說明
dataset.jsonl{"text", "score"}641完整資料集
dataset_scorer.jsonl{"text", "score"}452提供給Scorer作為 Few-shot 範例
dataset_test.jsonl{"text", "score"}189紀錄測試句的「原始語氣」，作為改寫任務的來源輸入。
dataset_test_generator.jsonl{"text", "target"}567由 dataset_test.jsonl 擴展而來，指定原句需改寫成的目標語氣。

資料切分說明

[dataset.jsonl](641筆) ───────> [dataset_scorer.jsonl] (452筆)
                   └───> [dataset_test.jsonl]   (189筆)

資料集範例

等級名稱範例
1溫和請多指教，很高興認識你。
2中性我們還是照原本的計畫進行吧。
3不滿你這樣做只會讓大家更討厭你而已。
4酸我小時候被狗咬過，所以現在看你有點害怕。

模型介紹

  • scorer：語氣裁判系統。負責評分，高準確率。 詳細內容請參考 scorer/README.md。
  • generator：負責生成改寫句子和變更語氣。詳細內容請參考 generator/README.md。

執行方式

  1. 先安裝依賴：
pip install -r requirements.txt
  1. 建立 .env 檔，並填入必要的 API key，例如：
GOOGLE_API_KEY=你的_google_api_key
HUGGINGFACE_TOKEN=你的_huggingface_token
GROQ_API_KEY=你的_qroq_api_key
OPENAI_API_KEY=你的_openai_api_key

現有結果比較

scorer

模型名稱準確率 (Accuracy)
gpt-4o-mini93.41%
Breeze-7B-Instruct-v1_050.00%
Meta-Llama-3-8B-Instruct45.83%

generator

老師的程式碼:

系列zero-shot4-shot8-shot12-shot
Llama-3.1-8B-Instruct43.56%29.98%27.51%26.63%
Llama-Breeze2-8B-Instruct25.40%30.86%34.92%36.16%

簡報上的（我不知道是哪個檔案的結果）:

系列zero-shot4-shot8-shot12-shot
Llama-3.1-8B-Instruct58.77%29.98%29.95%28.07%
Llama-Breeze2-8B-Instruct35.09%36.84%38.60%40.35%

Similar repos

uurspecial/flask-chat-mvp

雞掰風格調整

0

same org

LianjiaTech/BELLE

BELLE: Be Everyone's Large Language model Engine（开源中文对话大模型）

8,268

GAIR-NLP/auto-j

Generative Judge for Evaluating Alignment

253

Yuuxii/Influences-on-LLM-Calibration

5

NEU-DataMining/awesome-affective-computing

A comprehensive overview of affective computing research in the era of large language models (LLMs).

34

ira-rumik/IndicEmo

IndicEmo: Benchmark for Emotional Expressiveness in Multilingual, Code-Switched TTS

5

aalokagrawal/Zeroshot_Counterspeech

This repository contains code for zeroshot counterspeech generation.

1

rbroc/echo

A Scalable and Explainable Approach to Discriminating Between Human and Artificially Generated Text

2