语音情感分段标注：何种情感在何时出现？
计算与语言
2023-10-23 v2
摘要
语音情感识别（SER）通常依赖于语句级方案。然而，通过语音传达的情感应被视为具有明确时间边界的离散语音事件，而非整个语句的属性。为反映语音情感的细粒度特性，我们提出一项新任务：语音情感分段标注（SED）。正如说话人分段标注回答“谁在何时说话？”这一问题，语音情感分段标注回答“何种情感在何时出现？”。为便于评估性能并为研究者建立通用基准，我们引入了 Zaion 情感数据集（ZED），这是一个公开可获取的语音情感数据集，包含真实生活条件下记录的非演绎情感，以及语句内情感片段的手动标注边界。我们提供了具有竞争力的基线，并开源了代码与预训练模型。
引用
@article{arxiv.2306.12991,
title = {Speech Emotion Diarization: Which Emotion Appears When?},
author = {Yingzhi Wang and Mirco Ravanelli and Alya Yacoubi},
journal= {arXiv preprint arXiv:2306.12991},
year = {2023}
}
备注
Accepted to ASRU 2023