Analyzing Emotion in Spontaneous Speech

این کتاب چالش‌های فعلی را در تشخیص خودکار احساسات در گفتار خود به خود نشان می‌دهد و تلاش می‌کند تا توضیح دهد، توضیح دهد، و راه‌حل‌های ممکن را پیشنهاد کند. سیستم‌های تعامل انسان و کامپیوتر هوشمند (iHCI) در چندین فناوری مانند تشخیص خودکار گفتار (ASR) پیشرفت می‌کنند. شناسایی گوینده؛ شناسایی زبان؛ تشخیص تصویر و ویدئو؛ تجزیه و تحلیل عاطفه/خلق/احساس؛ و به رسمیت شناختن، به نام چند. با توجه به اهمیت خودانگیختگی در هر گفتار مکالمه انسان و ماشین، تشخیص قابل اعتماد احساسات از گفتار خود به خودی طبیعی بسیار مهم است. در حالی که تشخیص احساسات، زمانی که یک بازیگر به صراحت توسط یک بازیگر نشان داده می شود، برای ماشین آسان است، این در مورد گفتار خود به خودی روزانه و به طور طبیعی صادق نیست. این کتاب دلایل متعددی را در پشت این موضوع بررسی می‌کند، اما یکی از دلایل اصلی آن این است که افراد، به‌ویژه غیربازیگران، احساسات خود را به صراحت هنگام صحبت نشان نمی‌دهند، در نتیجه تشخیص یک احساس از دیگری که در درون آن وجود دارد را برای ماشین‌ها دشوار می‌کند. در سخنرانی خود این کتاب کوتاه، بر اساس برخی از کتاب‌های منتشر شده قبلی نویسندگان، در حوزه تحلیل احساسات شنیداری، چالش‌های عملی در تجزیه و تحلیل احساسات در گفتار خودانگیخته را شناسایی می‌کند و چندین راه‌حل ممکن را ارائه می‌کند که می‌تواند به تعیین قوی احساسات بیان شده در گفتار خود به خودی کمک کند. .

This book captures the current challenges in automatic recognition of emotion in spontaneous speech and makes an effort to explain, elaborate, and propose possible solutions. Intelligent human–computer interaction (iHCI) systems thrive on several technologies like automatic speech recognition (ASR); speaker identification; language identification; image and video recognition; affect/mood/emotion analysis; and recognition, to name a few. Given the importance of spontaneity in any human–machine conversational speech, reliable recognition of emotion from naturally spoken spontaneous speech is crucial. While emotions, when explicitly demonstrated by an actor, are easy for a machine to recognize, the same is not true in the case of day-to-day, naturally spoken spontaneous speech. The book explores several reasons behind this, but one of the main reasons for this is that people, especially non-actors, do not explicitly demonstrate their emotion when they speak, thus making it difficult for machines to distinguish one emotion from another that is embedded in their spoken speech. This short book, based on some of authors’ previously published books, in the area of audio emotion analysis, identifies the practical challenges in analysing emotions in spontaneous speech and puts forward several possible solutions that can assist in robustly determining the emotions expressed in spontaneous speech.