探究词语信息量对语音情感识别的影响

在语音情感识别中，一个关键挑战在于识别出携带最相关声学变化以辨别特定情感的语音信号片段。传统方法在整个句子或更长语音片段上计算能量和 F0 等特征的泛函，可能会遗漏长程统计量中基本的细粒度变化。本研究调查了使用源自预训练语言模型的词语信息量来识别语义重要的片段。随后仅针对这些识别出的片段计算声学特征，从而提高情感识别的准确率。该方法利用了标准声学韵律特征、其泛函以及自监督表示。结果表明，当基于词语信息量选择的片段上计算特征时，识别性能有显著提升，突显了该方法的有效性。