基于卷积神经网络的藏语语音情感识别

作者：王希; 王君堡; 边巴旺堆

来源：信息技术与信息化, 2022, (11): 202-206.

• 藏语语音情感识别
• 语音情感语料库
• 卷积神经网络

语音情感识别(speech emotion recognition,SER)是人机交互中的热点研究技术，但基于藏语的SER研究少有学者涉足。在构建了一个五千条藏语拉萨方言的语音情感语料库TSEC5000的基础上，将卷积神经网络(convolutional neural network,CNN)用于实现藏语语音情感的识别，并通过改变CNN的层数来改进说话人相关、说话人无关的SER性能。实验结果表明，对于藏语说话人相关的SER在4层卷积网络上获得89%的识别率，基于TSEC5000说话人无关SER在5层网络上获得最好的识别率为76%。

• 单位
  西藏大学