[發(fā)明專利]一種基于深度學(xué)習(xí)的語(yǔ)音情緒識(shí)別方案

在審

• 申請(qǐng)?zhí)枺?/td>: 202010089880.X
• 申請(qǐng)日: 2020-02-13
• 公開(kāi)（公告）號(hào): CN111292724A
• 公開(kāi)（公告）日: 2020-06-16
• 發(fā)明（設(shè)計(jì)）人: 封吉寧
• 申請(qǐng)（專利權(quán)）人: 上海凱岸信息科技有限公司
• 主分類號(hào): G10L15/06
• 分類號(hào): G10L15/06;G10L15/08;G10L15/26;G10L25/18;G10L25/30;G10L25/63
• 代理公司: 上海海貝律師事務(wù)所 31301
• 代理人: 范海燕

1.一種基于深度學(xué)習(xí)的語(yǔ)音情緒識(shí)別方案，其特征在于包括如下步驟：

步驟一，將訓(xùn)練用語(yǔ)音音頻文件進(jìn)行傅里葉變換轉(zhuǎn)換到頻域，然后再利用梅爾頻率刻度的濾波器組對(duì)對(duì)應(yīng)頻域信號(hào)進(jìn)行處理；

步驟二，語(yǔ)音情緒分類模型進(jìn)行建立：將步驟一中的梅爾譜圖經(jīng)過(guò)CNN和LSTM的計(jì)算后，自動(dòng)生成對(duì)于語(yǔ)音情緒分類的組合特征變量。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的語(yǔ)音情緒識(shí)別方案，其特征在于：所述訓(xùn)練用語(yǔ)音音頻文件采用加拿大Ryerson多媒體實(shí)驗(yàn)室錄制的語(yǔ)音情感數(shù)據(jù)集。

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的語(yǔ)音情緒識(shí)別方案，其特征在于：所述語(yǔ)音情緒分類模型進(jìn)行建立的網(wǎng)絡(luò)架構(gòu)為三層CNN疊加，然后后接兩層LSTM，最后加一層softmax，激活函數(shù)使用ReLU，損失函數(shù)使用對(duì)數(shù)損失函數(shù)，優(yōu)化器使用Adam和防止過(guò)擬合中間添加的了dropout層。