语音情感识别+眼动仪实验.pptVIP

10月12日 在广州举行的2017小蛮腰科技大会上，人工智能（AI）成为最热的议题。 美国高通集团全球副总裁、投资部中国区总经理沈劲表示，人工智能下一步的投资机会在垂直领域。 科大讯飞高级副总裁杜兰说，人工智能领域未来有两大产业发展机遇，一是三五年内，以语音为主、键盘触摸为辅的人机交互时代即将到来；二是五到十年内，人工智能将像水和电一样进入每一个行业，深刻改变世界。 语音识别，这个是开复先生多年前的一个小小贡献。其实，我听懂讲的每个字不代表听懂了意思，甚至把英文翻译成中文，中文翻译成英文还是没有搞懂。你们不要看科大迅飞的演讲说懂得语音了，他一点不懂，他只能把音变成字，字变成音。你问他讲什么，一个字不懂。所以，语音识别还是要做的更好。语音识别是所有技术里面最不成熟的。当我看到一个一个的计划非常担忧，99%很多会死掉。自然语言理解没有完全被克服，自然语言理解到平台化使用还有十万八千里，所以你们如果投了这个项目，好好考虑一下。 2017-03-03 人工智能其实已经无所不在，打开你的手机，每个APP里面都是人工智能。 人工智能经历了运算智能、感知智能、认知智能三个发展阶段。阿法狗打败围棋冠军等事例说明，机器的运算智能已经超越人类；能听会说、能看会认的感知智能，机器也部分超越人类，像把语音翻译成文字方面，讯飞输入法的准确率已达98%。但在认知智能方面，机器跟人还有很大差距，也是人工智能努力的方向。 语音情感识别 2013-11-01 语音情感识别研究进展综述[EI检索] ① ② ③ ④ 1. 情感描述方式大致可分为离散和维度两种形式 前者将情感描述为离散的、形容词标签的形式，如高兴、愤怒等。 后者则将情感状态描述为多维情感空间中的点。 返回 2. 依据情感描述模型的不同，将数据语料资源划分为离散情感数据库和维度情感数据库两个分支，二者的区别在于情感标注形式的不同,前者以离散的语言标签(如高兴、悲伤等)作为情感标注，而后者则以连续的实数坐标值表示情感。 返回 CASIA 汉语情感语料库： 该数据库由中国科学院自动化研究所录制,由4位录音人(2 男 2 女)在纯净录音环境下(信噪比约为 35db)分别在 5 类不同情感下(高兴、悲哀、生气、惊吓、中性)对500 句文本进行的演绎得到,16kHz 采样,16bit 量化.经过听辨筛选,最终保留其中 9 600 句. ACCorpus 系列汉语情感数据库： 该系列情感数据库由清华大学和中国科学院心理研究所合作录制,包含 5 个相关子库: 1)ACCorpus_MM 多模态、多通道的情感数据库;2)ACCorpus_SR 情感语音识别数据库;3) ACCorpus_SA 汉语普通话情感分析数据库;4) ACCorpus_FV 人脸表情视频数据库;5) ACCorpus_FI 人脸表情图像数据库. 其中,ACCorpus_SR 子库共由 50 位录音人(25 男 25 女)对 5 类情感(中性、高兴、生气、恐惧和悲伤)演绎得到,16kHz 采样,16bit 量化.每个发音者的数据均包含语音情感段落和语音情感命令两种类型. VAM 数据库： 通过对一个德语电视谈话节目“Vera am Mittag”的现场录制得到,语音和视频被同时保存,因此,数据库包含语料库、视频库、表情库这 3 个部分.谈话内容均为无脚本限制、无情绪引导的纯自然交流.以 VAM-audio 库为例,该子库包含来自 47 位节目嘉宾的录音数据 947 句,wav 格式,16kHz 采样,16bit 量化.所有数据以句子为单位进行保存(1018 句),标注在 Valence,Activation 和Dominance 这 3 个情感维度上进行,标注值处于−1~1 之间.标注工作由多个标注者共同完成,最终的情感值是相关标注者的平均值. 现已公布的情感语料数据堪称稀少。 对离散情感语音数据库而言,如何同时满足语料的自然度和情感的纯净度是其面临的最大挑战。 对维度情感语音数据库的建立而言，困难不在于语料的获取，而在于语料的整理和情感的标注。为了将语料中的情感量化为精确的实数值，标注者担负了繁重的听辨和打分工作，并且标注结果的好坏、正误也难以评判。 面对语料资源的上述现状，应该如何对现有资源进行补充和丰富？能否通过技术手段对训练语料的选择进行系统的指引和帮助？都是研究者们亟待解决的实际问题。 3. 当前，用于语音情感识别的声学特征大致可归纳为韵律学特征、基于谱的相关特征和音质特征这 3 种类型. 返回 （1）韵律是指语音中凌驾于语义符号之上的音高、音长、快慢和轻重等方面的变化,是对语音流表达方式的一种结构性安排。它的存在与否并不影响我们对字、词、句的听辨,却决定着一句话是否听起来自然顺