Emotion Recognition using Speech Features

«تشخیص احساسات با استفاده از ویژگی‌های گفتار» ویژگی‌های خاص احساسات موجود در گفتار را پوشش می‌دهد. نویسنده همچنین مدل‌های مناسبی را برای گرفتن اطلاعات خاص هیجانی برای تشخیص احساسات مختلف مورد بحث قرار می‌دهد. محتوای این کتاب برای طراحی و توسعه سیستم های گفتاری طبیعی و پیچیده مهم است. در این مختصر، دکتر رائو و کولاگودی بحثی را در مورد چگونگی گنجاندن اطلاعات خاص هیجان در گفتار و چگونگی کسب دانش خاص هیجان با استفاده از مدل‌های آماری مناسب رهبری می‌کنند. علاوه بر این، نویسندگان اطلاعاتی در مورد بهره‌برداری از شواهد متعدد به دست آمده از ویژگی‌ها و مدل‌های مختلف ارائه می‌دهند. دانش اکتسابی خاص هیجان برای ترکیب احساسات مفید است. ویژگی‌ها شامل بحث در مورد موارد زیر است: • ویژگی‌های عروضی محلی و جهانی در سطوح هجا، کلمه و عبارت، که برای گرفتن اطلاعات احساسی-تمایزکننده مفید است. • بهره‌برداری از شواهد تکمیلی به‌دست‌آمده از منابع برانگیختگی، سیستم‌های دستگاه صوتی و ویژگی‌های عروضی به منظور افزایش عملکرد تشخیص احساسات. • پیشنهاد مدل های چند مرحله ای و ترکیبی برای بهبود عملکرد تشخیص احساسات. این خلاصه برای محققانی است که در زمینه‌های مرتبط با محصولات مبتنی بر گفتار مانند شرکت‌های تولیدکننده تلفن همراه، شرکت‌های خودروسازی و محصولات سرگرمی و همچنین محققانی که در تحقیقات اساسی و کاربردی پردازش گفتار کار می‌کنند.

“Emotion Recognition Using Speech Features” provides coverage of emotion-specific features present in speech. The author also discusses suitable models for capturing emotion-specific information for distinguishing different emotions. The content of this book is important for designing and developing natural and sophisticated speech systems. In this Brief, Drs. Rao and Koolagudi lead a discussion of how emotion-specific information is embedded in speech and how to acquire emotion-specific knowledge using appropriate statistical models. Additionally, the authors provide information about exploiting multiple evidences derived from various features and models. The acquired emotion-specific knowledge is useful for synthesizing emotions. Features includes discussion of: • Global and local prosodic features at syllable, word and phrase levels, helpful for capturing emotion-discriminative information; • Exploiting complementary evidences obtained from excitation sources, vocal tract systems and prosodic features in order to enhance the emotion recognition performance; • Proposed multi-stage and hybrid models for improving the emotion recognition performance. This brief is for researchers working in areas related to speech-based products such as mobile phone manufacturing companies, automobile companies, and entertainment products as well as researchers involved in basic and applied speech processing research.