普通話的語音情感識別措施

[摘 要] 情感聲學(xué)特征在語音情感識別過程中扮演非常重要的角色，本文擬定的研究普通話的語音情感識別方式分為以下幾個步驟：優(yōu)先選擇、序列前向、序列后向以及逐步判別分析。由此針對說話人與文本無關(guān)人、說話人兩組呈現(xiàn)出的普通話情感語音做出特征性的選擇，并將實際效果進行分析與對比。

[關(guān)鍵詞] 普通話；語音情感；識別；特征選擇；情感聲學(xué)特征

一、普通話的語音情感特征及選取

在本文研究過程中需要結(jié)合普通話情感語料內(nèi)容，首先普通話語音情感特征的選擇與提取應(yīng)從收集與錄制普通話語料中獲取；其次將普通話的情感語料分為兩組，分別為說話人與文本無關(guān)、說話人；之后分別從兩組中對比得出語音中質(zhì)量與韻律特征。下文中將采用不同的方式對普通話的語音情感特征進行逐一選擇與分析，力圖通過實驗結(jié)果的分析得出普通話語音情感識別的最有效措施。

1、普通話的語音情感語料收集

普通話語音情感語料收集的方式分為剪輯與錄音兩種，在收集的過程中比較注重高興、悲傷、憤怒、害怕以及中性這五種基礎(chǔ)情感類別，本文將選擇1185句普通話形式的語音情感語料。在實驗過程中采用490句由電影與廣播剪輯中獲取的定向語音情感語料，其中包括高興、害怕、憤怒以及悲傷這四個類型，并將這一組普通話的語音情感語料數(shù)據(jù)命名為說話人與文本無關(guān)，其余696句普通話的語言情感語料是通過專業(yè)級別錄制的有效情感語音語料，并將這一組普通話的語音情感語料命名為說話人相關(guān)組。

2、普通話的語音情感特征獲取

普通話語音情感中韻律特征可以通過基頻、能量、對數(shù)能量以及時間長短進行對比試驗，而語音質(zhì)量可以通過共振峰得出情感聲學(xué)特征。在實驗過程中可以將短時過零率以及短時能量幅度兩種方式作為普通話語音情感識別的端點檢測依據(jù)，同時截取有效的普通話語音情感語料，并確定從中獲取的語音幀長為5ms。最后將獲取的每一幀語音中基頻（F0）、能量（Eng）、共振峰（F1/F2/F3）以及寬帶進行數(shù)值統(tǒng)計。

3、普通話的語音情感特征選擇

普通話的語音情感特征識別要通過系列的特定預(yù)料選取以及對比，普通話的語音情感特征選擇方法分為經(jīng)典與多元統(tǒng)計兩種，其中經(jīng)典方法中包括PFS，SFS和SBS；多元統(tǒng)計中比較常用的方式為SDA。

PFS：利用這種方式選擇語音情感特征，首先要將語音中各個情感的原是特征進行逐一對比與評價，同時將對比評價得到的結(jié)果按照錯誤率的升序進行有效排列。其次將按照序列升降順序?qū)为氄Z音情感特征歸納到目標特征組，并將選入的特征進行逐一對比與評價，待對所有語音中特征都在目標特征組進行比較之后選擇出最有特征組。

SFS：利用這種方式選擇語音情感特征，首先要講這一系列中目標特征組設(shè)為空白，之后將普通話語音語料原是特征組中內(nèi)容選擇并增加到目標特征組，并使其與目標特征組中特征組合之后能夠保證其對比與評價過程中是本輪錯誤率最低的，按照這種形式逐一將原是特征組與目標特征組進行組合與對比。最后選擇出原始特征組作為新特征增加到目標特征組時，評價與對比結(jié)果最優(yōu)的一組特征。SBS與SFS在普通話的語音情感特征選擇過程中措施方式是相反的。

二、普通話的語音情感識別措施分析

本文就說話人與文本無關(guān)人一組進行實驗比較，普通話語音情感語料特征從1逐漸增加到10，這一過程中語音情感特征增長率占特征總數(shù)的30%，同時增漲的是特征組合的準確率，已從40%升至70%，上升了三個百分點；實驗過程中繼續(xù)增加語音特征到28，此時得出的平均準確率由70%上升到74%，這一遞增過程中僅上升0.4個百分點。另一組實驗將說話人普通話的語音情感特征作為主要參考對象，這一實驗需要特定人的語音情感語料作為對比內(nèi)容，同時選取特定語音的基頻平均值、共振峰（F1）平均值、對數(shù)能量平均值等9-12個基礎(chǔ)特征，實驗結(jié)果以各項特征平均準確率的最大值為有效參考數(shù)據(jù)。通過實驗結(jié)果可以看出所選擇的十個說話人分別持有的十個最優(yōu)特征中是涵蓋二十四個不同特征的，也就是占有原是特征比例的77.4%，這一數(shù)據(jù)說明十個特定人的最優(yōu)語音情感特征也是存在差異的。所以實驗過程中要獲取最高的準確性，必不可少的是將語音特征進行對比，以此來獲取這十個特定人的語音情感最優(yōu)特征組合。

三、結(jié)論

綜上所訴，本文采用PFS，SFS，SBS以及SDA等方式對普通話的情感語音特征進行的比較與實驗，在說話人與文本無關(guān)一組中所選擇的特征對比結(jié)果可以表明，在情感識別過程中主要的影響因素是第一共振峰、基頻基礎(chǔ)范圍、對數(shù)能量以及語速；而在說話人相關(guān)這一組實驗過程中，普通話的語音情感特征影響因素主要由基頻平均值、對數(shù)能量平均值、第一共振峰平均值以及語速等組成，與此同時特定說話人的不同也將影響語音情感特征的最終對比結(jié)果。在采用LDA和SVM進行情感語音識別實驗過程中，注重考慮了平均值的準確性問題，由此能夠看出SDA相教育其他三種方式是具有一定優(yōu)勢的，針對普通話的語音情感識別也是非常重要的。

參考文獻：

[1]蔣丹寧，蔡蓮紅.基于韻律特征的漢語情感語音分類.第一界中國情感計算及智能交互學(xué)術(shù)會議論文集，217-220， 2013.

[2]王治平，趙力，鄒采榮.利用模糊嫡進行參數(shù)有效性分析的語音情感識別.電路與系統(tǒng)學(xué)報，Vol. 8， 109-112， 2013.

[3]袁志發(fā)，周靜芋.多元統(tǒng)計分析.科學(xué)出版社，2012.

作者簡介：趙軻（1982—）女，民族：土家，籍貫：湖北武漢，學(xué)歷：碩士，職稱：講師，職位：教師，研究方向：藝術(shù)表演、播音主持。