Saveez Saffarian

新型轻量级模型增强了语音情感识别的可解释性

研究人员开发了一个新的语音情感识别（SER）框架，该框架同时注重准确性和透明度。这种轻量级深度学习模型使用紧凑型卷积神经网络和对数梅尔频谱图来分析语音特征。为了增强可解释性，该系统集成了Grad-CAM来可视化音频信号的哪些部分影响了其预测。在SAVEE数据集上的评估表明，该模型比现有的SER模型拥有更少的参数，却能达到具有竞争力的性能，在准确性、效率和透明度之间提供了实用的平衡。