计算机科学 > 声音
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.