通过利用面向LSTM-CTC 时序深度学习语音情感识别模型 ,以及联结主义时间分类(Connectionist temporal classification, CTC)方法自动对齐能力将情感标签对齐到语音中的情感帧上;以及利用训练集和测试集工具达到识别7种情感特征 (高兴、悲伤、中性、生气、惊奇、害怕、恐惧) ,检信ALLEMOTION语音情感识别比传统的语音情感识别精度提高了 1.8%—2.3%的精度(不同维度提高的精度有所不同)。
(a) (b)目标情感在不同训练时四类情感的网络输出
(c) 原始语音信号
关键参数
- 系统的识别时延低于250ms。因为在线语音情感识别,如果时延过高不但影响用户体验,而且对后续的语音情感识别请求的处理时间就更加长,发生堵塞。时延低是