Nhận dạng cảm xúc từ tín hiệu tiếng nói

Abstract

Nghiên cứu này tập trung vào việc phát triển mô hình nhận dạng cảm xúc từ tín hiệu tiếng nói, một lĩnh vực quan trọng trong trí tuệ nhân tạo và tương tác người-máy. Sử dụng mạng nơ-ron tích chập (CNN), mô hình được thiết kế để phân tích và phân loại các cảm xúc khác nhau như vui, buồn, giận dữ, sợ hãi, ngạc nhiên, chán ghét và trung tính từ dữ liệu âm thanh. Dữ liệu âm thanh được thu thập và xử lý để trích xuất các đặc trưng âm thanh quan trọng như MFCC, ZCR, RMS, Pitch và Mel Spectrogram. Các đặc trưng này đóng vai trò là đầu vào cho mô hình CNN, giúp mô hình học và nhận dạng các mẫu liên quan đến từng cảm xúc. Kết quả nghiên cứu cho thấy mô hình CNN đạt được độ chính xác cao và ổn định trong việc nhận dạng cảm xúc từ tín hiệu tiếng nói, hứa hẹn mở ra tiềm năng ứng dụng của mô hình trong nhiều lĩnh vực, từ cải thiện trải nghiệm khách hàng thông qua các hệ thống hỗ trợ tự động đến hỗ trợ chẩn đoán và điều trị trong lĩnh vực sức khỏe tâm thần. Ngoài ra, mô hình này còn có thể được tích hợp vào các thiết bị thông minh để tạo ra tương tác tự nhiên và cảm xúc hơn giữa người và máy trong tương lai.