基于 BAVED 数据集采用 Wav2vec2.0 与 HuBERT 的阿拉伯语语音情感识别
计算机视觉与模式识别
2021-10-12 v1 人工智能
机器学习
摘要
近来，语音识别与自然语言处理领域取得了大量研究成果。这得益于发展良好的多层深度学习范式，如 wav2vec2.0、Wav2vecU、WavBERT 与 HuBERT，它们提供了更好的表示学习与高信息捕获能力。此类范式先在数百未标注数据上运行，再于小规模数据集上微调以完成特定任务。本文提出一种构建于深度学习的阿拉伯语语音对话情感识别模型。所开发模型采用了最先进的音频表示，包括 wav2vec2.0 与 HuBERT。我们模型的实验与性能结果超越了此前已知的成果。
引用
@article{arxiv.2110.04425,
title = {Arabic Speech Emotion Recognition Employing Wav2vec2.0 and HuBERT Based on BAVED Dataset},
author = {Omar Mohamed and Salah A. Aly},
journal= {arXiv preprint arXiv:2110.04425},
year = {2021}
}
备注
6 pages, 6 figures