基于深度学习的自然与表演语音情感识别

• 作者: 冯亚琴 王蔚 胡婷婷
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 文学
• 关键词: 情感类别 语音情感识别 深度学习 伪装语音
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 基于粒计算的数据表示与分析研究
• 页码范围: 660-666
• 页数: 7页
• 分类号: H107
• 字数: 3710字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2019.04.016

摘要

语音是情感表达的重要途径,自然状态和表演状态下的语音所蕴含的情感信息并不完全相同. 为了探索自然状态和表演状态下语音情感识别的差异,采用深度学习算法分析了IEMOCAP公用数据集,对自然状态和表演状态下的中性、愤怒、开心和悲伤等四类情绪语音数据进行实验:首先提取语音数据的声学特征(对比了emobase2010特征集和eGeMAPs特征集),然后利用卷积神经网络(Convolutional Neural Networks,CNN)对自然与表演状态下的语音情感进行识别,比较了两种状态下的情感识别率,再利用混淆矩阵分析两种状态下不同情绪之间的误分率和相似性. 实验结果显示,自然状态下的情感识别率明显高于表演状态下,还发现愤怒和悲伤在两种状态下的误分率有明显区别. 该现象对理解情绪的表达机制有启发意义.