基于特征工程的语音情感检测新型混合深度学习技术
声音
2026-01-15 v2 人工智能
机器学习
音频与语音处理
摘要
如今，语音情感识别（SER）在人机交互（HCI）和人工智能（AI）领域发挥着关键作用。我们提出的 DCRF-BiLSTM 模型用于识别七种情感：中性、开心、悲伤、愤怒、恐惧、厌恶和惊讶，这些模型在五个数据集上训练：RAVDESS（R）、TESS（T）、SAVEE（S）、EmoDB（E）和 Crema-D（C）。该模型在各个数据集上实现了高准确率，包括在 RAVDESS 上达到 97.83%，在 SAVEE 上达到 97.02%，在 CREMA-D 上达到 95.10%，而在 TESS 和 EMO-DB 上完美实现 100%。对于组合（R+T+S）数据集，达到 98.82% 的准确率，超越了先前报告的结果。在我们看来，尚无旁观者对单一 SER 模型在全部五个基准数据集（即 R+T+S+C+E）上进行评估。我们的工作引入了这一全面组合，实现了惊人的 93.76% 的总体准确率。这些结果确认了 DCRF-BiLSTM 框架在多样化数据集上的鲁棒性与可推广性。
关键词
引用
@article{arxiv.2507.07046,
title = {A Novel Hybrid Deep Learning Technique for Speech Emotion Detection using Feature Engineering},
author = {Shahana Yasmin Chowdhury and Bithi Banik and Md Tamjidul Hoque and Shreya Banerjee},
journal= {arXiv preprint arXiv:2507.07046},
year = {2026}
}
备注
17 pages, 11 figures