A Deep Learning Approach Toward Analyzing the Cross‐Lingual Acoustic‐Phonetic Similarities in Multilingual Speech Emotion Recognition
Notice bibliographique
Résumé
This study uses deep learning to explore the influence of phonetic similarities across languages on multilingual SER systems in diverse linguistic contexts. A deep convolutional neural network (DCNN) model was employed to evaluate the performance of speech emotion detection in a multilingual context. Experimented datasets are the SUST Bangla Emotional Speech Corpus (SUBESCO), Indian Institute of Technology Kharagpur Simulated Emotion Hindi Speech Corpus (IITKGP‐SEHSC), SIT Bhubaneswar‐Odia Speech Emotion Database (SITB‐OSED), Ryerson Audio‐Visual Database of Emotional Speech and Song (RAVDESS), and EmoDB datasets of Bangla, Hindi, Odia, English, and German languages, respectively. Here, Bangla, Hindi, and Odia are of the Indo‐Aryan language family and English and German are of the Germanic. A baseline monolingual experiment was performed first to evaluate the models, and then cross‐lingual and multilingual experiments were carried out. The experimental results reveal that the models can recognize emotions of multiple language speech of the same linguistic family better than language speech from different families. The DCNN model achieved the highest multilingual emotion recognition accuracy of 83% for Indo‐Aryan languages, 79% for Germanic languages, and 73% when both language families were combined. These results suggest that phonetic similarities within the same language family improve recognition accuracy.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 source (Gemma direct ou Codex distillé), 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 ».