Hi, KIA：一个用于唤醒词的语音情感识别数据集
声音
2022-11-08 v1 音频与语音处理
摘要
唤醒词（WUW）是用于激活语音识别系统以接收用户语音输入的短句。唤醒词话语不仅包含用于唤醒系统的词汇信息，还包含说话人身份或情感等非词汇信息。特别地，识别用户的情绪状态可丰富语音交互。然而，标注有唤醒词话语情绪状态的数据集极少。本文我们介绍 Hi, KIA，一个新的唤醒词数据集，包含由四名男性和四名女性说话人收集的 488 条韩式口音情感话语，每条话语标注有愤怒、高兴、悲伤或中性四种情绪状态。我们给出了构建该数据集的逐步流程，涵盖场景选择、后处理及用于标注一致性的人员校验。此外，我们利用该数据集提供了两个用于唤醒词语音情感识别的分类模型。一个基于传统手工特征，另一个是使用预训练神经网络的迁移学习方法。这些分类模型可用作后续研究的基准。
引用
@article{arxiv.2211.03371,
title = {Hi,KIA: A Speech Emotion Recognition Dataset for Wake-Up Words},
author = {Taesu Kim and SeungHeon Doh and Gyunpyo Lee and Hyungseok Jeon and Juhan Nam and Hyeon-Jeong Suk},
journal= {arXiv preprint arXiv:2211.03371},
year = {2022}
}
备注
Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA), 2022