ArabEmoNet：一种用于鲁棒阿拉伯语语音情感识别的轻量级混合 2D CNN-BiLSTM 注意力模型
声音
2025-09-03 v1 计算与语言
音频与语音处理
摘要
语音情感识别对人机交互至关重要，特别是对于像阿拉伯语这样的低资源语言，由于数据和研究的匮乏，它们面临着巨大的挑战。我们引入了 ArabEmoNet，这是一种旨在克服这些局限性并提供 SOTA 性能的轻量级架构。以往的系统依赖离散的 MFCC 特征和一维卷积，从而忽略了细微的频谱时间模式，与此不同，ArabEmoNet 使用通过二维卷积处理的 Mel 频谱图，保留了传统方法中经常丢失的关键情感线索。尽管最近的模型倾向于具有数百万参数的大规模架构，但 ArabEmoNet 仅用 100 万参数就取得了更优的结果，其规模比 HuBERT base 小 90 倍，比 Whisper 小 74 倍。这种效率使其成为资源受限环境的理想选择。ArabEmoNet 推动了阿拉伯语语音情感识别的发展，为实际应用提供了卓越的性能和可及性。
引用
@article{arxiv.2509.01401,
title = {ArabEmoNet: A Lightweight Hybrid 2D CNN-BiLSTM Model with Attention for Robust Arabic Speech Emotion Recognition},
author = {Ali Abouzeid and Bilal Elbouardi and Mohamed Maged and Shady Shehata},
journal= {arXiv preprint arXiv:2509.01401},
year = {2025}
}
备注
Accepted (The Third Arabic Natural Language Processing Conference)