情感分类
语音情感识别（SER）技术分析语音信号中的情感信息，识别说话人的情感状态。
预计阅读时间：30分钟·难度：中级
功能概述
语音情感识别（Speech Emotion Recognition, SER）通过分析语音的声学特征判断说话人的情感状态。
核心价值
- 客服质检：识别客户情绪，提升服务质量
- 人机交互：理解用户情感，智能响应
- 心理健康：辅助情感状态监测
- 市场调研：分析消费者情感反馈
情感类别
基本情感
😊
快乐
Happy
😢
悲伤
Sad
😠
愤怒
Angry
😨
恐惧
Fear
😲
惊讶
Surprise
🤢
厌恶
Disgust
😐
中性
Neutral
维度模型
- • 效价(Valence)：正面-负面情感维度
- • 唤醒度(Arousal)：平静-激动维度
- • 支配度(Dominance)：被动-主动维度
核心技术
声学特征提取
MFCC、语谱图、韵律特征（音高、能量、时长）。
深度学习模型
CNN、LSTM、Transformer等模型用于情感分类。
多模态融合
结合语音、文本、面部表情的多模态情感识别。
预训练模型
Wav2Vec、HuBERT等预训练模型的微调应用。
应用场景
呼叫中心
识别客户情绪，智能路由和预警。
智能座舱
根据驾驶员情绪调整交互策略。
教育评估
分析学生听课状态和情绪反应。
心理健康
辅助抑郁症等心理疾病的筛查。
技术挑战
| 挑战 | 说明 |
|---|---|
| 主观性 | 情感标注主观性强，一致性难保证 |
| 跨文化 | 不同文化情感表达方式不同 |
| 复杂情感 | 混合情感、微妙情感难以识别 |
| 数据稀缺 | 高质量情感语音数据难以获取 |
常用工具
| 工具/数据集 | 说明 |
|---|---|
| pyworld | 语音特征提取 |
| opensmile | 音频特征提取工具 |
| IEMOCAP | 情感语音数据集 |
| RAVDESS | 情感语音数据集 |