面向离散语音表示的情感感知量化：情感保留分析
声音
2026-03-24 v1
摘要
现代语音系统日益采用离散自监督语音表示进行压缩和与基于标记的模型集成，但其对情感信息的影响尚不明确。我们研究了残差向量量化（RVQ）如何塑造离散语音表示中的情感信息，从表征层面和任务层面进行分析。我们的分析表明，激进压缩不成比例地损害情感，情感类别和模型架构之间的损失不均。为此，我们引入了基于情感特定情感偏向码本的情感感知量化，提高了硬件和软情感感知的保留。我们进一步提出了Emo-Q一种轻量级路由量化方法，选择情感专用码本，在更低的比特率下提高情感识别性能。这些结果凸显了面向稳健情感语音处理的情感感知离散化的重要性。
引用
@article{arxiv.2603.21224,
title = {Emotion-Aware Quantization for Discrete Speech Representations: An Analysis of Emotion Preservation},
author = {Haoguang Zhou and Siyi Wang and Jingyao Wu and James Bailey and Ting Dang},
journal= {arXiv preprint arXiv:2603.21224},
year = {2026}
}