即插即用情感图用于零样本语音情感识别中的组合式提示

大型音频语言模型在语音任务上展现出强大的零样本性能，但在语音情感识别方面存在困难，原因在于副语言建模能力薄弱和跨模态推理有限。我们提出了情感推理组合思维链提示，一种通过结构化情感图引导大型音频语言模型进行情感推理而无需微调的框架。每个情感图编码七种声学特征（如音高、语速、微音调抖动、微亮度波动）、文本情感、关键词和跨模态关联。嵌入到提示中，情感图提供了可解释且具有组合性的表示，从而增强了大型音频语言模型的推理能力。在语音情感识别基准上的实验表明，该方法优于先前最先进方法，并在零样本基线之上提升了准确率。