使用全卷积神经网络对非定长音频进行情感分析
声音
2024-02-08 v1 机器学习
音频与语音处理
摘要
本工作提出了一种能够接受任意长度音频且无需事先固定长度的情感分析方法。Mel 频谱图和 Mel 频率倒谱系数被用作音频描述方法，并提出了一种全卷积神经网络架构作为分类器。使用三个众所周知的数据集：EMODB、RAVDESS 和 TESS 对结果进行了验证。所获得的结果前景广阔，超越了现有方法。此外，由于所提出的方法允许任意大小的音频，它允许在近实时进行情感分析，这对于呼叫中心、医疗咨询或金融经纪商等广泛领域非常有意义。
引用
@article{arxiv.2402.02184,
title = {Sentiment analysis in non-fixed length audios using a Fully Convolutional Neural Network},
author = {María Teresa García-Ordás and Héctor Alaiz-Moretón and José Alberto Benítez-Andrades and Isaías García-Rodríguez and Oscar García-Olalla and Carmen Benavides},
journal= {arXiv preprint arXiv:2402.02184},
year = {2024}
}