计算机应用

作者：彭鹏, 蔡子婷, 刘雯玲, 陈才华, 曾维, 黄宝来

单位：成都理工大学 计算机与网络安全学院（示范性软件学院），成都 610059

关键词：语音情感识别,卷积神经网络,双向GRU,混合孪生网络,深度学习

基金：四川省科技计划项目(2023YFN0053)

针对现有语音情感识别（SER）模型精度较低、泛化能力较差的问题，提出一种孪生的Multi-scale CNN-BiGRU网络。该网络通过引入多尺度特征提取器（MSFE）和多维度注意力（MDA）模块构建孪生网络，并利用样本对的形式增加模型训练量，从而提高模型的识别精度，使它能更好地适应复杂的真实应用场景。在IEMOCAP和EMO-DB这2个公开数据集上的实验结果表明，所提模型在识别精确率上较CNN-BiGRU分别提升了8.28和7.79个百分点。此外，通过收集客服真实语音对话录音构建一个客服语音情感数据集，在该数据集上的实验结果表明，所提模型的识别精确率可达到87.85%，证明所提模型具有良好的泛化性。

来源：2025年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第8期