Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2509.01401

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2509.01401 (cs)
[提交于 2025年9月1日 ]

标题: 阿拉伯情感网:一种用于鲁棒阿拉伯语语音情感识别的轻量级混合2D CNN-BiLSTM模型与注意力机制

标题: ArabEmoNet: A Lightweight Hybrid 2D CNN-BiLSTM Model with Attention for Robust Arabic Speech Emotion Recognition

Authors:Ali Abouzeid, Bilal Elbouardi, Mohamed Maged, Shady Shehata
摘要: 语音情感识别对于人机交互至关重要,特别是对于阿拉伯语等资源匮乏的语言,由于数据和研究有限而面临挑战。 我们引入了ArabEmoNet,一种轻量级架构,旨在克服这些限制并实现最先进的性能。 与之前依赖离散MFCC特征和1D卷积的系统不同,这些系统会丢失细微的频谱时间模式, ArabEmoNet使用通过2D卷积处理的梅尔频谱图,保留了传统方法中常丢失的关键情感线索。 尽管最近的模型倾向于使用数百万参数的大规模架构,但ArabEmoNet仅用100万参数就实现了更优的结果,比HuBERT基础版小90倍,比Whisper小74倍。 这种效率使其非常适合资源受限的环境。 ArabEmoNet推动了阿拉伯语语音情感识别的发展,为实际应用提供了卓越的性能和可访问性。
摘要: Speech emotion recognition is vital for human-computer interaction, particularly for low-resource languages like Arabic, which face challenges due to limited data and research. We introduce ArabEmoNet, a lightweight architecture designed to overcome these limitations and deliver state-of-the-art performance. Unlike previous systems relying on discrete MFCC features and 1D convolutions, which miss nuanced spectro-temporal patterns, ArabEmoNet uses Mel spectrograms processed through 2D convolutions, preserving critical emotional cues often lost in traditional methods. While recent models favor large-scale architectures with millions of parameters, ArabEmoNet achieves superior results with just 1 million parameters, 90 times smaller than HuBERT base and 74 times smaller than Whisper. This efficiency makes it ideal for resource-constrained environments. ArabEmoNet advances Arabic speech emotion recognition, offering exceptional performance and accessibility for real-world applications.
评论: 被接受(第三届阿拉伯自然语言处理会议)
主题: 声音 (cs.SD) ; 计算与语言 (cs.CL); 音频与语音处理 (eess.AS)
引用方式: arXiv:2509.01401 [cs.SD]
  (或者 arXiv:2509.01401v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.01401
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ali Abouzeid [查看电子邮件]
[v1] 星期一, 2025 年 9 月 1 日 11:51:38 UTC (586 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess.AS
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs
cs.CL
cs.SD
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号