Fugu-MT 論文翻訳(概要): Towards Robust Arabic Speech Emotion Recognition with Deep Learning

論文の概要: Towards Robust Arabic Speech Emotion Recognition with Deep Learning

arxiv url: http://arxiv.org/abs/2606.10278v1
Date: Tue, 09 Jun 2026 00:59:43 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-10 15:40:58.237302
Title: Towards Robust Arabic Speech Emotion Recognition with Deep Learning
Title（参考訳）: 深層学習によるロバストアラビア語音声感情認識に向けて
Authors: Youcef Soufiane Gheffari, Samiya Silarbi,
Abstract要約: 音声認識は、音声信号から話者の感情状態を特定することを目的としている。近年の深層学習の進歩により、インド・ヨーロッパ語におけるSERの性能は大幅に向上した。本研究では,空間情報と文脈情報を協調的にモデル化したハイブリッドアーキテクチャが,アラビア語音声における感情認識を向上するかどうかを検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Speech Emotion Recognition (SER) aims to identify a speaker's emotional state from audio signals. While recent advances in deep learning have significantly improved SER performance in Indo-European languages, Arabic SER remains underexplored and challenging due to dialectal diversity, limited annotated datasets, and the difficulty of modeling both local spectral cues and long-range temporal dependencies. To address these limitations, this study investigates whether hybrid architectures that jointly model spatial and contextual information can improve emotion recognition in Arabic speech. We propose and evaluate a comparative framework involving three architectures: a CNN-LSTM model, a CNN-Transformer model, and a fine-tuned wav2vec 2.0 model. The first two models leverage MFCC and spectrogram-based representations, while wav2vec 2.0 operates directly on raw audio through self-supervised representations. Experiments conducted on the EYASE and BAVED datasets demonstrate that the proposed CNN-Transformer architecture significantly outperforms the other models, achieving an accuracy of 98.1 percent. This result highlights the effectiveness of combining convolutional feature extraction with Transformer-based global context modeling. The main contribution of this work lies in providing a systematic comparison of hybrid and self-supervised approaches for Arabic SER, and in demonstrating that CNN-Transformer architectures offer a robust solution for capturing both spectral and long-range dependencies in low-resource and dialectally diverse settings.
Abstract（参考訳）: 音声感情認識(SER)は、音声信号から話者の感情状態を特定することを目的としている。近年の深層学習の進歩はインド・ヨーロッパ語におけるSERの性能を大幅に向上させたが、アラビア語のSERは方言の多様性、注釈付きデータセットの制限、局所スペクトルキューと長距離時間依存性の両方をモデル化することの難しさにより、探索が過小評価され、困難なままである。これらの制約に対処するために、空間情報と文脈情報を協調的にモデル化するハイブリッドアーキテクチャが、アラビア語における感情認識を改善することができるかどうかを検討する。 CNN-LSTMモデル、CNN-Transformerモデル、微調整wav2vec 2.0モデルという3つのアーキテクチャの比較フレームワークを提案し評価する。最初の2つのモデルはMFCCとスペクトログラムベースの表現を利用し、wav2vec 2.0は自己教師付き表現を通じて生のオーディオを直接操作する。 EYASEデータセットとBAVEDデータセットで実施された実験は、提案されたCNN-Transformerアーキテクチャが他のモデルよりも大幅に優れ、98.1%の精度を達成したことを示している。この結果は、畳み込み特徴抽出とTransformerベースのグローバルコンテキストモデリングの組み合わせの有効性を強調している。この研究の主な貢献は、アラビア語SERのハイブリッドと自己教師型のアプローチを体系的に比較することであり、また、CNN-Transformerアーキテクチャが低リソースおよび方言の多様な設定においてスペクトルと長距離の依存関係の両方をキャプチャする堅牢なソリューションを提供することを示すことである。

関連論文リスト

Hybrid CNN-Transformer Architecture for Arabic Speech Emotion Recognition [0.0]
本稿では,ハイブリッドCNN-Transformerアーキテクチャに基づくアラビア音声感情認識(SER)システムを提案する。提案モデルの精度は97.8%、マクロF1スコアは0.98である。
論文参考訳（メタデータ） (2026-03-28T16:11:56Z)
Complementary and Contrastive Learning for Audio-Visual Segmentation [74.11434759171199]
本稿では,ローカル情報とグローバル情報の両方を処理可能な新しいフレームワークであるComplementary and Contrastive Transformer(CCFormer)を提案する。提案手法は,S4, MS3, AVSSデータセットにまたがる最先端のベンチマークを新たに設定する。
論文参考訳（メタデータ） (2025-10-11T06:36:59Z)
ArFake: A Multi-Dialect Benchmark and Baselines for Arabic Spoof-Speech Detection [2.5962590697722447]
アラビア語スプーフ音声データセットを初めて紹介する。以上の結果から,FishSpeechはカサブランカコーパスのアラビア語音声クローニングにおいて,他のTSモデルよりも優れていた。
論文参考訳（メタデータ） (2025-09-26T18:11:20Z)
Hybrid Deep Learning and Signal Processing for Arabic Dialect Recognition in Low-Resource Settings [0.0]
アラビア語の方言認識は、アラビア語の言語的多様性と大きな注釈付きデータセットの不足により、大きな課題を呈している。本研究では,古典的な信号処理技術とディープラーニングアーキテクチャを融合したハイブリッドモデリング戦略について検討する。
論文参考訳（メタデータ） (2025-06-26T15:36:25Z)
DrVoice: Parallel Speech-Text Voice Conversation Model via Dual-Resolution Speech Representations [62.00227663434538]
DRVOICE-7BはOpenAudioBenchとBig Bench Audioベンチマーク上で新しい最先端(SOTA)を確立する。本稿では,共同自己回帰モデルに基づくパラレル音声音声対話モデルであるDrVoiceを提案する。
論文参考訳（メタデータ） (2025-06-11T02:57:22Z)
Non-autoregressive real-time Accent Conversion model with voice cloning [0.0]
我々は音声クローンを用いたリアルタイムアクセント変換のための非自己回帰モデルを開発した。このモデルは入力L2音声に基づいて最小レイテンシでネイティブなL1音声を生成する。このモデルは、話者の声の音色、性別、アクセントをリアルタイムで保存し、クローンし、変更することができる。
論文参考訳（メタデータ） (2024-05-21T19:07:26Z)
Multilingual Audio-Visual Speech Recognition with Hybrid CTC/RNN-T Fast Conformer [59.57249127943914]
本稿では,複数の改良を加えた多言語音声認識モデルを提案する。我々は、6つの異なる言語に対する音声視覚訓練データの量を増やし、重複しない多言語データセットの自動書き起こしを生成する。提案モデルでは, LRS3データセット上での新たな最先端性能を実現し, WERは0.8%に達した。
論文参考訳（メタデータ） (2024-03-14T01:16:32Z)
Cross-Language Speech Emotion Recognition Using Multimodal Dual Attention Transformers [5.538923337818467]
最先端のシステムでは、言語間の設定でパフォーマンスが向上することができない。言語間SERを改善するためのマルチモーダルデュアルアテンショントランスモデルを提案する。
論文参考訳（メタデータ） (2023-06-23T22:38:32Z)
AV-data2vec: Self-supervised Learning of Audio-Visual Speech Representations with Contextualized Target Representations [88.30635799280923]
AV-data2vecを導入し、文脈化表現の予測に基づいて音声・視覚表現を構築する。 LRS3の結果は、AV-data2vecが、同じ量のデータとモデルサイズで既存のメソッドを一貫して上回っていることを示している。
論文参考訳（メタデータ） (2023-02-10T02:55:52Z)
Dual-decoder Transformer for Joint Automatic Speech Recognition and Multilingual Speech Translation [71.54816893482457]
自動音声認識(ASR)と多言語音声翻訳(ST)を共同で行う新しいモデルアーキテクチャであるデュアルデコーダトランスフォーマを導入する。我々のモデルはオリジナルのTransformerアーキテクチャに基づいているが、2つのデコーダで構成されており、それぞれが1つのタスク(ASRまたはST)を担っている。
論文参考訳（メタデータ） (2020-11-02T04:59:50Z)
Any-to-Many Voice Conversion with Location-Relative Sequence-to-Sequence Modeling [61.351967629600594]
本稿では,非並列音声変換手法である非並列音声変換法(seq2seq)を提案する。本手法では,ボトルネック特徴抽出器(BNE)とセック2セック合成モジュールを組み合わせる。主観的および主観的評価は,提案手法が自然性と話者類似性の両方において優れた音声変換性能を有することを示す。
論文参考訳（メタデータ） (2020-09-06T13:01:06Z)

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。