【技术实现步骤摘要】
本专利技术属于人工智能语音情感识别和应用领域。特别涉及语音情感识别领域的状态感知方法、装置及存储介质。
技术介绍
1、语音情感识别是人机交互、社交机器人、智能客服和多领域自然语言处理应用等多个领域中至关重要的任务，它可以使机器更好地理解和响应人类的情感状态，提高服务质量，改善用户体验，以及加强情感理解和沟通。它对于实现更智能、人性化的系统和应用程序具有重要意义。语音情感识别广泛应用于医疗辅助治疗、广告和市场研究、呼叫中心和客户服务等。客户的不满或愤怒情绪可以触发客服代表提供更加细致的服务，改善客户体验。
2、自监督对比学习作为一种前沿的技术方法，在语音情感识别领域具有重要的技术基础。传统的监督学习方法通常需要大量标记好的数据训练模型，但这种方式存在数据获取困难、标注成本高昂的问题。而自监督对比学习则通过利用数据自身的信息特性，无需显式标签，通过数据样本间的对比学习模式，使得模型可以自行学习特征表示，从而实现情感识别的目的。
技术实现思路
1、本专利技术提供一种基于自监督对比学习...
【技术保护点】
1.基于自监督对比学习语音情感识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的自监督对比学习语音情感识别方法，其特征在于，所述采集真实环境中通话录音的音频数据，并对所述音频数据进行数据清洗和规范化处理，得到预处理数据包括：
3.根据权利要求1所述的自监督对比学习语音情感识别方法，其特征在于，所述构建基于自监督对比学习的CNN-GRU轻量级在线语音情感识别模型，包括：
4.根据权利要求1所述的自监督对比学习语音情感识别方法，其特征在于，所述将预处理数据输入到1D-CNN编码器中，使用对比预测编码(CPC)对CNN编码器进...
【技术特征摘要】
1.基于自监督对比学习语音情感识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的自监督对比学习语音情感识别方法，其特征在于，所述采集真实环境中通话录音的音频数据，并对所述音频数据进行数据清洗和规范化处理，得到预处理数据包括：
3.根据权利要求1所述的自监督对比学习语音情感识别方法，其特征在于，所述构建基于自监督对比学习的cnn-gru轻量级在线语音情感识别模型，包括：
4.根据权利要求1所述的自监督对比学习语音情感识别方法，其特征在于，所述将预处理数据输入到1d-cnn编码器中，使用对比预测编码...
【专利技术属性】
技术研发人员：王冠，请求不公布姓名，请求不公布姓名，
申请(专利权)人：深圳贝尔信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。