میثم شمسی - دانشگاه علم وصنعت ایران، دانشکده مهندسی کامپیوتر

در این مطالعه بازشناسی عواطف در صوت فارسی مورد بررسی قرار گرفته است. برچسبزنی به فایلهای صوتی با بیان عاطفی مشخص میتواند آغاز راه سیستمهای کامپیوتری با موتور عاطفی است. از سویدیگر لزوم ایجاد مدلهای بازشناسی عواطف در هر زبان به صورت مستقل وجود دارد. ما با استفاده ازمدلهای یادگیری ماشین و بررسی و مقایسه آن سعی در معرفی یک مدل جهت بارشناسی حالات عاطفی ترس، خشم، شادی، غم و انزجار با دقت بیشینه را داشتهایم. مدلهای ایجاد شده بر روی مجموعه داده فارسی ESD و جهت بررسی تعمیم پذیری نتایج با آزمون مدل بر روی مجموعه داده Berlin که به زبان آلمانی است آزمایش شده است. جهت مقایسه نتایج و اطمینان از صحت نتیجه گیری مجموعه داده با تعداد 75 فایل صوتی از دوازده نفر ایجاد شده است که نتایج نشان میدهد که مدل ایجاد شده با روش GMM و SVM که با استفاده از اطلاعات MFCC تولید شده است بیشترین دقت راداشته اند. از سوی دیگر ایجاد مدل تشخیص صدای مردانه/زنانه به عنوان یک پیش پردازش باعث افزایش دقت مدل کلی میگردد

بازشناسی عواطف، پردازش صوت، گفتار فارسی