Fotini Kiriakopoulou

新框架提供可解释的歌唱情感识别

研究人员开发了一个新的可解释歌唱情感识别框架，该框架利用了歌唱特有的声学和演唱技巧特征。这种方法旨在提供对驱动情感表达的发声特征的更深入的洞察，超越了深度学习模型通常的黑箱性质。通过采用 SHAP 和 GRAD-CAM 等技术，该框架将模型决策与可测量的声学现象联系起来，突出了颤音和咽音技巧作为情感表达的关键指标。研究还发现，这些领域特定的特征可以减少歌手之间的差异，并提高在 VocalSet 等非领域数据集上的性能。