Voice Emotion Recognition Based on Color Histogram Features
Notice bibliographique
Résumé
Voice is the fastest and most efficient method of communication among humans. Researchers believe that it can also be considered the most efficient means of communication between humans and machines. Voice can, in addition to providing useful information, inform us about the emotional state of the person who is speaking. For many applications, being able to identify the emotion is crucial, as it allows the application to adapt to the user. In the case of human-robot interaction, recognizing the user's emotion allows the robot to be more empathetic during interactions. In addition to other methods, such as recognition of facial expressions and recognition through body expressions, recognition of emotions through speech can be used as an additional component in identification the user's emotional state. This work proposes the recognition of emotion through speech using an approach based on image processing of the voice audio signal spectrogram. Two new features based on color histograms are proposed. One thousand six hundred audio files with phrases considering four types of emotions (angry, happy, neutral and sad) were processed and classified. These phrases were spoken by women half by a 64 years old (Subject- 64) and the rest by a 26 years old one (Subject-26). These files are a subset of the TESS (Toronto Emotional Speech Set) dataset. When processing subject-26's voice, an precision of 94.40 % and 91.90 % was achieved in detecting neutral and sad emotions, respectively. When processing subject-64's voice, an precision of 97.00 % was achieved for the angry emotion. The results obtained show the proposal great potential.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».