通过数据蒸馏突破语音情感识别资源瓶颈
声音
2025-06-02 v2 人工智能
音频与语音处理
摘要
语音情感识别(SER)在人机交互中发挥着关键作用。物联网(IoT)中边缘设备的出现，由于内存和计算资源的限制，构筑复杂的深度学习模型 presents a 挑战。此外，情感语音数据常包含私人信息，在SER模型部署时可能引发隐私泄露问题。为解决这些挑战，我们提出了一个数据蒸馏框架，用于利用合成的、较小的、从数据集中提炼出的数据集，提高在IoT应用中开发SER模型的效率。我们的实验表明，提炼出的数据集可以有效用于训练使用固定初始化的SER模型，其性能相当于使用原始完整情感语音数据集开发的模型。
引用
@article{arxiv.2406.15119,
title = {Breaking Resource Barriers in Speech Emotion Recognition via Data Distillation},
author = {Yi Chang and Zhao Ren and Zhonghao Zhao and Thanh Tam Nguyen and Kun Qian and Tanja Schultz and Björn W. Schuller},
journal= {arXiv preprint arXiv:2406.15119},
year = {2025}
}
备注
Accepted by Interspeech 2025