开发面向情感属性预测的自然语境情感识别高性能框架
机器学习
2025-06-13 v1
摘要
自然语境下的语音情感识别（SER）为语音处理社区带来了显著挑战。挑战包括标注者之间标签不一致以及数据分布不平衡。本文提出一种可复现框架，实现了情感识别在自然语境条件挑战（IS25-SER 挑战） - 任务 2 中取得优异（名次 1）成绩，评估基于 MSP-Podcast 数据集。我们的系统通过多模态学习、多任务学习和不平衡数据处理等方式来应对上述挑战。具体而言，我们的最佳系统通过添加文本嵌入、预测性别，并将“其他”（O）和“无一致性”（X）样本纳入训练集来实现的。我们的系统的结果在 IS25-SER 挑战中夺得了第一和第二名，最佳成绩通过简单的两系统集成实现。
引用
@article{arxiv.2506.10930,
title = {Developing a High-performance Framework for Speech Emotion Recognition in Naturalistic Conditions Challenge for Emotional Attribute Prediction},
author = {Thanathai Lertpetchpun and Tiantian Feng and Dani Byrd and Shrikanth Narayanan},
journal= {arXiv preprint arXiv:2506.10930},
year = {2025}
}