爱刨根知识网

  1. 首页 > 经验知识 > >

亚马逊的人工智能改善了语音的情感检测

生活经验知识分享

【亚马逊的人工智能改善了语音的情感检测】
从某人声音的音调中可以得到很多东西 ， 这是一种自然的情感管道 。情绪有一系列的应用：它可以通过帮助检测痴呆或心脏病发作的早期迹象来帮助健康监测 ， 它有可能使会话AI系统更吸引人和更有反应 。总有一天 ， 情感甚至可能提供隐性反馈 ， 帮助谷歌助理、苹果Siri和亚马逊Alexa等语音助理从错误中吸取教训 。
情绪分类人工智能并不是什么新的东西 ， 但传统的方法是受监督的 ， 这意味着他们摄入根据说话者的情绪状态标记的训练数据 。亚马逊的科学家们最近采取了一种不同的方法 ， 他们在一篇预定在声学、语音和信号处理国际会议上发表的论文中描述了这一点 。他们没有提供一个详尽注释的“情感”语料库来教授一个系统 ， 而是提供了一个对抗性的自动编码器 ， 一个公开可用的数据集 ， 其中包含来自10个不同说话者的10 ， 000个话语 。结果呢? 神经网络在判断人们声音中的价态或情感价值方面的准确性高达4% 。
这项研究基于亚马逊Alexa团队正在进行的努力 ， 从用户的声音中可靠地确定用户的情绪或情绪状态 。
正如论文合著者和Alexa语言组高级应用科学家Viktor Rozgic在一篇博客文章中解释的那样 ， 对抗性自动编码器是由编码器组成的两部分模型 ， 它学习产生编码训练示例所有属性的输入语音的紧凑(或潜在)表示 ， 以及一个解码器 ， 它从紧凑表示中重建输入 。
研究人员的情绪表示由三个网络节点组成 ， 三个情绪度量中的每一个节点：价态、激活(无论说话人是警觉的、参与的还是被动的)和支配(无论说话人是否感觉到控制了情况) 。培训分三个阶段进行 ， 第一阶段包括使用没有标签的数据单独培训编码器和解码器 。在第二阶段 ， 对抗性训练-一种技术 ， 在这种技术中 ， 对抗性鉴别器试图区分编码器产生的真实表示调整编码器 。在第三阶段 ， 编码器被调谐以确保潜在的情感表示预测训练数据的情感标签 。
在涉及句子级特征表示的“手工工程”来捕获关于语音信号的信息的实验中 ， 研究人员报告说 ， 他们的人工智能系统在评估价态方面比常规训练的网络了3%的更好的准确性 。此外 ， 他们说 ， 当网络被提供一系列表示20毫秒帧或音频片段的声学特性时 ， 改进是4% 。
亚马逊不是唯一一家研究改进的基于语音的情感检测的公司 ， 值得注意 。麻省理工学院媒体实验室SpinoffAffectiva最近展示了一个神经网络 ， SoundNet ， 它可以在1.2秒内从音频数据中对愤怒进行分类-就在人类感知愤怒所需的时间内-而不管说话者的语言如何 。同时 ， 创业公司Cogito的AI被退伍事务部用来分析创伤后应激障碍退伍的声音 ， 以确定他们是否需要立即帮助 。

    推荐阅读


    上一篇：上海地铁运营时间 上海地铁2号线运营时间

    下一篇：肝病有什么忌口的不能吃什么 日常饮食禁忌