12月27日消息，2024年IEEE聲學、語音與信號處理國際會議ICASSP 2024（2024 IEEE International Conference on Acoustics, Speech, and Signal Processing）宣布錄用奇富科技關于語音情感計算的最新研究成果論文“MS-SENet: Enhancing Speech Emotion Recognition Through Multi-scale Feature Fusion With Squeeze-and-excitation Blocks”。
奇富科技介紹，此次被錄用的論文研究方向聚焦在語音情感計算，團隊提出了一種名為MS-SENet的新型網絡結構，通過高效提取、選擇和加權空間和時間多尺度特征，并將這些特征與原始信息相融合，獲得更強的語音情緒表征向量。
情感計算領域是一個涉及計算機科學、心理學和語言學等多學科的交叉研究領域，它的主要目的是通過分析和處理語音信號中的情感信息，使計算機能夠識別和理解人類的情感狀態(tài)。業(yè)界主流做法是通過音頻、文本等多模態(tài)信息來進行情感分類，但奇富科技團隊認為人類底層情感特征是相通的，是完全可以跨越具體語種和文本內容。
奇富科技自研MS-SENet音頻情感計算網絡框架
奇富科技團隊認為可以從減少提取大量無關緊要的聲學特征和針對局部頻率和長期時間特征進行融合兩方面去提升語音信號的情感表征學習，并基于此提出了MS-SENet框架。MS-SENet通過使用不同尺寸的卷積核提取多尺度時空特征，并引入壓勵模塊來有效捕捉這些多尺度特征。同時通過跳躍連接和空間丟失層防止過擬合并增加模型深度，進一步提高了情感計算模型的表達能力。
另外，奇富科技團隊在論文中評估了包括中科院自動化所語音情感數(shù)據集、柏林情感數(shù)據庫、意大利語數(shù)據集、互動情感二元運動捕捉數(shù)據庫、Surrey音頻視覺表達情感數(shù)據集以及Ryerson音頻視覺情感演講與歌曲數(shù)據集在內的六個不同場景的多語種的數(shù)據集。和SOTA（state of the art，是指在特定任務中目前表現(xiàn)最優(yōu)的方法或模型）相比，MS-SENet將UA和WA提高了1.31%和1.61%，同時MS-SENet在具有更多情感類別和較低數(shù)據量的情況下，仍然保持著出色的情感識別能力。
據介紹，奇富科技的語音情感計算研究不止于理論突破，更是有成功的實際應用。例如，在貸后降投訴項目中，異常情緒監(jiān)測首次被應用在實景業(yè)務當中。通過對高風險客群的錄音通話進行逐通分析，及時遴選出異常情緒的客戶，以便相關人員可以及時介入，實驗結果表明模型組投訴率低于對照組4個絕對值百分點。
- 谷歌被判22.5億元天價賠償背后：安卓數(shù)據暗箱操作的五年拉鋸戰(zhàn)
- HDC 2025：開發(fā)者搭上“鴻蒙快車”，鴻蒙生態(tài)加速前行
- HarmonyOS 6開發(fā)者Beta正式啟動：打造無處不在的AI體驗
- 馬蜂窩發(fā)布夏季“旅行蜂向標”，進山、玩水、擁抱草原是最受關注的夏季玩法
- 餓了么灰測“悅享會員”加碼用戶體驗，提供一系列專屬優(yōu)惠和個性化服務
- 啟信寶2025奶茶趣味報告：奶茶企業(yè)5年激增140%，40萬家共筑3500億帝國
- 《黑神話：悟空》PS5國行版將于6月18日正式發(fā)售，建議零售價268元起
- 報告：2029年美國AI搜索廣告支出將達260億美元，占比13.6%
- 重塑內生安全體系 實現(xiàn)AI時代安全突圍 ——2025北京網絡安全大會（BCS）開幕
- 免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
