論文の概要: Emotion Recognition of the Singing Voice: Toward a Real-Time Analysis Tool for Singers

• arxiv url: http://arxiv.org/abs/2105.00173v1
• Date: Sat, 1 May 2021 05:47:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-05 10:00:21.099788
• Title: Emotion Recognition of the Singing Voice: Toward a Real-Time Analysis Tool for Singers
• Title（参考訳）: 歌唱音声の感情認識 : 歌唱者のリアルタイム分析ツールを目指して
• Authors: Daniel Szelogowski
• Abstract要約: 現在の計算感情研究は、感情が数学的に知覚される方法を分析するために音響特性を適用することに焦点を当てている。 本稿は,関連する研究の知見を反映し,拡張し,この目標に向けての一歩を踏み出す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current computational-emotion research has focused on applying acoustic properties to analyze how emotions are perceived mathematically or used in natural language processing machine learning models. With most recent interest being in analyzing emotions from the spoken voice, little experimentation has been performed to discover how emotions are recognized in the singing voice -- both in noiseless and noisy data (i.e., data that is either inaccurate, difficult to interpret, has corrupted/distorted/nonsense information like actual noise sounds in this case, or has a low ratio of usable/unusable information). Not only does this ignore the challenges of training machine learning models on more subjective data and testing them with much noisier data, but there is also a clear disconnect in progress between advancing the development of convolutional neural networks and the goal of emotionally cognizant artificial intelligence. By training a new model to include this type of information with a rich comprehension of psycho-acoustic properties, not only can models be trained to recognize information within extremely noisy data, but advancement can be made toward more complex biofeedback applications -- including creating a model which could recognize emotions given any human information (language, breath, voice, body, posture) and be used in any performance medium (music, speech, acting) or psychological assistance for patients with disorders such as BPD, alexithymia, autism, among others. This paper seeks to reflect and expand upon the findings of related research and present a stepping-stone toward this end goal.
• Abstract（参考訳）: 現在の計算感情研究は、感情がどのように数学的に知覚されるか、あるいは自然言語処理機械学習モデルでどのように使用されるかを分析するために音響特性を適用している。 音声音声から感情を分析することに最も関心が寄せられているが、歌声における感情がどのように認識されるかを知るための実験はほとんど行われていない(つまり、不正確で解釈が難しいデータ、この場合、実際の雑音音のような歪んだ/歪んだ/ナンセンスな情報、あるいは使用可能な/使用できない情報の比率が低い)。 これは、より主観的なデータで機械学習モデルをトレーニングし、多くのノイジエデータでテストすることの課題を無視するだけでなく、畳み込みニューラルネットワークの開発を進めることと、感情的に認識する人工知能の目標との間には、明確な切り離しがある。 By training a new model to include this type of information with a rich comprehension of psycho-acoustic properties, not only can models be trained to recognize information within extremely noisy data, but advancement can be made toward more complex biofeedback applications -- including creating a model which could recognize emotions given any human information (language, breath, voice, body, posture) and be used in any performance medium (music, speech, acting) or psychological assistance for patients with disorders such as BPD, alexithymia, autism, among others. 本稿は,関連する研究の知見を反映し,拡張し,この目標に向けての一歩を踏み出す。

関連論文リスト

• Speech Emotion Recognition Using CNN and Its Use Case in Digital Healthcare [0.0]
  人間の感情と感情状態を音声から識別するプロセスは、音声感情認識(SER)として知られている。 私の研究は、畳み込みニューラルネットワーク(CNN)を使って、音声録音と感情を区別し、異なる感情の範囲に応じてラベル付けすることを目指しています。 私は、機械学習手法を用いて、供給された音声ファイルから感情を識別する機械学習モデルを開発した。
  論文  参考訳（メタデータ） (2024-06-15T21:33:03Z)
• Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
  我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。 我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
  論文  参考訳（メタデータ） (2024-05-15T20:41:46Z)
• Emotion Rendering for Conversational Speech Synthesis with Heterogeneous Graph-Based Context Modeling [50.99252242917458]
  会話音声合成(CSS)は,会話環境の中で適切な韻律と感情のインフレクションで発話を正確に表現することを目的としている。 データ不足の問題に対処するため、私たちはカテゴリと強度の点で感情的なラベルを慎重に作成します。 我々のモデルは感情の理解と表現においてベースラインモデルよりも優れています。
  論文  参考訳（メタデータ） (2023-12-19T08:47:50Z)
• Analysing the Impact of Audio Quality on the Use of Naturalistic Long-Form Recordings for Infant-Directed Speech Research [62.997667081978825]
  早期言語習得のモデリングは、幼児が言語スキルをブートストラップする方法を理解することを目的としている。 近年の進歩により、より自然主義的なトレーニングデータを計算モデルに利用できるようになった。 音質がこれらのデータに対する分析やモデリング実験にどう影響するかは、現時点では不明である。
  論文  参考訳（メタデータ） (2023-05-03T08:25:37Z)
• Describing emotions with acoustic property prompts for speech emotion recognition [30.990720176317463]
  本研究では、ピッチ、ラウドネス、発声率、調音率などの音響特性を演算することで、所定の音声に対する記述を自動生成する手法を提案する。 これらの音声テキストペアを用いてニューラルネットワークモデルをトレーニングし、さらに1つのデータセットを用いてモデルを評価する。 モデルが音声と記述を関連づけることについて検討し,その結果,音声の感情認識と音声検索の性能が向上した。
  論文  参考訳（メタデータ） (2022-11-14T20:29:37Z)
• Data-driven emotional body language generation for social robotics [58.88028813371423]
  社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。 我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。 評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
  論文  参考訳（メタデータ） (2022-05-02T09:21:39Z)
• Hybrid Handcrafted and Learnable Audio Representation for Analysis of Speech Under Cognitive and Physical Load [17.394964035035866]
  音声におけるタスク負荷検出のための5つのデータセットを提案する。 音声記録は、ボランティアのコホートに認知的ストレスまたは身体的ストレスが引き起こされたとして収集された。 このデータセットを用いて、新たな自己教師型音声表現の設計と評価を行った。
  論文  参考訳（メタデータ） (2022-03-30T19:43:21Z)
• EMOVIE: A Mandarin Emotion Speech Dataset with a Simple Emotional Text-to-Speech Model [56.75775793011719]
  音声ファイルを含む9,724のサンプルとその感情ラベル付きアノテーションを含むマンダリン感情音声データセットを導入,公開する。 入力として追加の参照音声を必要とするこれらのモデルとは異なり、我々のモデルは入力テキストから直接感情ラベルを予測し、感情埋め込みに基づいてより表現力のある音声を生成することができる。 実験段階では、まず感情分類タスクによってデータセットの有効性を検証し、次に提案したデータセットに基づいてモデルをトレーニングし、一連の主観評価を行う。
  論文  参考訳（メタデータ） (2021-06-17T08:34:21Z)
• Predicting Emotions Perceived from Sounds [2.9398911304923447]
  音化とは、音を通してユーザとデータやイベントを通信する科学である。 本稿では、いくつかの主流および従来型の機械学習アルゴリズムを開発する実験を行う。 知覚された感情を高い精度で予測することが可能である。
  論文  参考訳（メタデータ） (2020-12-04T15:01:59Z)
• Speech-Based Emotion Recognition using Neural Networks and Information Visualization [1.52292571922932]
  本研究では,音声成分から音声サンプルを抽出し,様々な感情を識別するツールを提案する。 ダッシュボードは、音声データの直感的な表現のために、局所的なセラピストのニーズに基づいて設計されている。
  論文  参考訳（メタデータ） (2020-10-28T20:57:32Z)
• A Developmental Neuro-Robotics Approach for Boosting the Recognition of Handwritten Digits [91.3755431537592]
  近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。 本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
  論文  参考訳（メタデータ） (2020-03-23T14:55:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。