俄罗斯高等经济大学的专家研发出一种神经网络系统，能识别声音中的8种情绪，包括中立、冷静、快乐等。该系统在70%的情况下能正确识别情绪，通过将声音转化为声谱图并应用深度学习技术进行分析。这一进展有助于提高人机交互的互动性。
▲用不同情绪发音的“孩子们在门口聊天”语句的图谱。
俄罗斯高等经济大学(以下简称HSE)的信息学、数学和计算机科学学院的专家们创建了一个能够识别声音中情绪的自动系统。他们在国际会议Neuroinformatics-2017上对此作了报告。
长期以来，计算机可以成功地将语音转换为文本，对于表达意义很重要的情感因素却被忽视了。例如，对于同一个问题“一切都好吗？”，人们可以回答“当然”，但用平静、生气、愉悦等不同的语调。然而，带来的反应将完全不同。
神经网络是相互连接的处理器，能够学习、分析和合成。这种智能系统超越了传统的算法，因为人与计算机之间的交互变得更具互动性。
HSE的研究人员已经训练了一种神经网络来识别8种不同的情绪:中立、冷静、快乐、悲伤、愤怒、恐惧、厌恶和惊讶。研究人员说，在70%的案例中，计算机正确地识别出了这些情绪。
研究人员将声音转换成图像-声谱图，这使他们可以利用图像识别的方法来处理声音。该研究中采用了一种卷积神经网络深度学习的方法。
研究人员指出，该项目成功地将中立和冷静的音调区分开来，而快乐通常被认为是恐惧和悲伤，惊讶则被理解为厌恶。
科界原创
编译：贺利利 编辑：张梦 程建兰
扫一扫
15万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
