Speech Emotion Recognition Using Hybrid Deep Learning Models
Notice bibliographique
Résumé
Human communication conveys emotions not only through words but also through tone, rhythm, and other vocal variations. Accurately identifying these emotions using machines is challenging, especially when relying only on audio input. Speech Emotion Recognition (SER) aims to bridge this gap by analyzing speech signals to determine emotional states. In this work, we present a deep learning-based real-time SER framework that incorporates two data augmentation techniques: background noise injection and spectrogram shifting. The system is trained and tested exclusively on the Toronto Emotional Speech Set (TESS), which contains recordings of female speakers performing different emotions. To extract emotion-relevant cues, multiple acoustic descriptors are used, including Mel-Frequency Cepstral Coefficients (MFCC), chroma features, Root Mean Square (RMS) energy, Zero-Crossing Rate (ZCR), and mel spectrograms. Three neural models were evaluated: a Multilayer Perceptron (MLP), a Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), and a hybrid GRU combined with Random Forest (Bi-GRU+RF). Among these, the Bi-GRU+RF with augmentation achieved the highest accuracy, highlighting its effectiveness for speech-based emotion classification. The findings suggest that the proposed system is promising for realtime applications requiring emotion-aware interactions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».