非语言语音与其挑战：情感、隐私、稀疏性与现实情境
声音
2025-08-05 v1 计算与语言
音频与语音处理
摘要
非语言语音（NVVs）是指没有proper 语言（语义）意义的短暂“non-word”语音，但传递着意义——无论是情感/情绪，还是其他paralinguistic 信息。我们首先以历史概述开始本篇工作：过去两个世纪中，这些在心理学和语言学中如何被处理，随后如何被忽视，以及随着情感研究的兴起又如何走到前台。我们随后概述了NVVs的类型（形式方面）和功能，以典型的NVVs \textit{ah} 为例进行说明。尽管NVVs有趣且值得关注，但它们也带来了一系列挑战，必须予以考虑：隐私和一般伦理考量限制了在现实（私人）情境中进行录音的程度。孤立的、提示的（演练的）范例并不一定在上下文中建模NVVs；然而，这是目前在AI中建模NVVs的首选策略。为克服这些问题，我们主张采用基于语料库的方法。这保证了更真实的建模；然而，我们仍面临隐私和稀疏数据问题。
引用
@article{arxiv.2508.01960,
title = {Non-Verbal Vocalisations and their Challenges: Emotion, Privacy, Sparseness, and Real Life},
author = {Anton Batliner and Shahin Amiriparian and Björn W. Schuller},
journal= {arXiv preprint arXiv:2508.01960},
year = {2025}
}