从语音中检测情感基元及其在辨别类别情感中的运用
音频与语音处理
2020-02-05 v1 机器学习
声音
机器学习
摘要
情感在人际交流中扮演着重要角色，使我们能够传达快乐、沮丧和真诚等感受。尽管现代语音技术严重依赖语音识别与自然语言理解来进行语音内容理解，对发声表达的研究正日益受到关注。构建鲁棒情感模型的关键考量包括：刻画并改善模型在其训练数据分布下对未知数据条件的泛化能力。本工作研究了长短期记忆（LSTM）网络以及时间卷积-LSTM（TC-LSTM）来从语音中检测效价、唤醒和支配等基元情感属性。观察到使用多数据集训练并采用鲁棒特征，将效价的一致相关系数（CCC）相较基线系统提高了 30%。此外，本工作探究了如何利用情感基元从中性语音中检测快乐、厌恶、轻蔑、愤怒和惊讶等类别情感，结果表明唤醒度（其次为支配度）是此类情感的更好检测器。
引用
@article{arxiv.2002.01323,
title = {Detecting Emotion Primitives from Speech and their use in discerning Categorical Emotions},
author = {Vasudha Kowtha and Vikramjit Mitra and Chris Bartels and Erik Marchi and Sue Booker and William Caruso and Sachin Kajarekar and Devang Naik},
journal= {arXiv preprint arXiv:2002.01323},
year = {2020}
}
备注
5 pages