研究人员开发了一种用于语音情感识别（SER）的熵感知课程学习方法，该方法超越了传统的硬共识标签。该方法利用MSP-Podcast 2.0数据集上的基于分布的监督，并使用WavLM-Base多任务模型。通过使用反映标注者分歧而非单一共识的目标进行训练，该模型能更好地与人类投票分布保持一致，并捕捉感知不确定性，尤其是在模糊的言语中。 AI
影响 这项研究通过更好地处理主观和模糊的人类标注，可能带来更细致、更准确的语音情感识别系统。
排序理由 该集群包含一篇详细介绍语音情感识别新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
