Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.14920v1

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2508.14920v1 (cs)
[提交于 2025年8月18日 ]

标题: 基于人类反馈的动态语音情感识别

标题: Human Feedback Driven Dynamic Speech Emotion Recognition

Authors:Ilya Fedorov, Dmitry Korobchenko
摘要: 这项工作旨在探索动态语音情感识别的新领域。 与传统方法不同,我们假设每个音频轨道与不同时刻活跃的一系列情感相关联。 该研究特别关注情感三维化身的动画效果。 我们提出了一种多阶段方法,包括经典语音情感识别模型的训练、情感序列的合成生成以及基于人类反馈的进一步模型改进。 此外,我们引入了一种基于狄利克雷分布的情感混合建模新方法。 这些模型是根据从三维面部动画数据集中提取的真实情感进行评估的。 我们将我们的模型与滑动窗口方法进行比较。 我们的实验结果表明,基于狄利克雷的方法在建模情感混合方面是有效的。 结合人类反馈进一步提高了模型质量,同时提供了一个简化的标注过程。
摘要: This work proposes to explore a new area of dynamic speech emotion recognition. Unlike traditional methods, we assume that each audio track is associated with a sequence of emotions active at different moments in time. The study particularly focuses on the animation of emotional 3D avatars. We propose a multi-stage method that includes the training of a classical speech emotion recognition model, synthetic generation of emotional sequences, and further model improvement based on human feedback. Additionally, we introduce a novel approach to modeling emotional mixtures based on the Dirichlet distribution. The models are evaluated based on ground-truth emotions extracted from a dataset of 3D facial animations. We compare our models against the sliding window approach. Our experimental results show the effectiveness of Dirichlet-based approach in modeling emotional mixtures. Incorporating human feedback further improves the model quality while providing a simplified annotation procedure.
主题: 声音 (cs.SD) ; 人机交互 (cs.HC); 机器学习 (cs.LG); 音频与语音处理 (eess.AS)
引用方式: arXiv:2508.14920 [cs.SD]
  (或者 arXiv:2508.14920v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.14920
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ilya Fedorov [查看电子邮件]
[v1] 星期一, 2025 年 8 月 18 日 17:25:27 UTC (436 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
cs.SD
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.HC
cs.LG
eess
eess.AS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号