1,068
个编辑
更改
→语音叙词
情感识别过程的复杂性随着分类器中使用的类(情感)和语音叙词的数量的增加而增加。因此，为了保证模型能够成功地识别情绪并提高性能，只选择最相关的特征，这对于实时检测尤为重要。可选择范围很广，有些研究提到使用了200多种不同的特征。识别冗余的情感信息对于优化系统、提高情感检测的成功率至关重要。最常见的言语特征可分为以下几类<ref name="Steidl-2011" />。
情感识别过程的复杂性随着分类器中使用的类(情感)和语音叙词的数量的增加而增加。因此，为了保证模型能够成功地识别情绪并提高性能，只选择最相关的特征，这对于实时检测尤为重要。可选择范围很广，有些研究提到使用了200多种不同的特征。识别冗余的情感信息对于优化系统、提高情感检测的成功率至关重要。最常见的言语特征可分为以下几类<ref name="Steidl-2011" />。
# 频率特性<ref name=":14">{{Cite book |chapter=Non-linear frequency warping using constant-Q transformation for speech emotion recognition|title=2021 International Conference on Computer Communication and Informatics (ICCCI)|pages=1–4|year=2021|last1=Singh|first1=Premjeet|last2=Saha|first2=Goutam|last3=Sahidullah|first3=Md|arxiv=2102.04029}}</ref>
# 频率特性<ref name=":14">{{Cite book |chapter=Non-linear frequency warping using constant-Q transformation for speech emotion recognition|title=2021 International Conference on Computer Communication and Informatics (ICCCI)|pages=1–4|year=2021|last1=Singh|first1=Premjeet|last2=Saha|first2=Goutam|last3=Sahidullah|first3=Md|arxiv=2102.04029}}</ref>
* 音调形状（Accent shape ）：受基础频率变化的影响。
* 音调形状（Accent shape ）：受基础频率变化的影响。
* 平均音调（Average pitch）：描述说话者相对于正常语言的音调高低。
* 平均音调（Average pitch）：描述说话者相对于正常语言的音调高低。
* 音调轮廓（Contour slope）：描述频率随时间变化的趋势，可以是上升、下降或持平。
* 音调轮廓（Contour slope）：描述频率随时间变化的趋势，可以是上升、下降或持平。
* 尾音下降（Final lowering）：一段话末尾频率下降的多少。
* 尾音下降（Final lowering）：一段话末尾频率下降的多少。
* 音域（Pitch range）：一段话语的最高和最低频率之间的差距。
* 音域（Pitch range）：一段话语的最高和最低频率之间的差距。
# 时间相关特征:
# 时间相关特征:
* 语速（Speech rate）：单位时间内发出词数或音节数。
* 语速（Speech rate）：单位时间内发出词数或音节数。
* 重音频率（Stress frequency）：重读发生的频率
* 重音频率（Stress frequency）：重读发生的频率
# 音质参数和能量叙词:
# 音质参数和能量叙词:
* 呼吸音（Breathiness）：说话中的呼吸噪声
* 呼吸音（Breathiness）：说话中的呼吸噪声
* 亮度（Brilliance）：语音中高频和低频的占比
* 亮度（Brilliance）：语音中高频和低频的占比
* 响度（Loudness）：语音的振幅，亦为话音的能量
* 响度（Loudness）：语音的振幅，亦为话音的能量
* 暂停不连续性（Pause Discontinuity）：描述声音和静音之间的转换
* 暂停不连续性（Pause Discontinuity）：描述声音和静音之间的转换
* 音调不连续性（Pitch Discontinuity）：描述基本频率的转换。
* 音调不连续性（Pitch Discontinuity）：描述基本频率的转换。
=== 面部情感检测 ===
=== 面部情感检测 ===