阿里云優(yōu)惠券 先領(lǐng)券再下單

近日，小米推出了全面支持情感化語音交互的小米小愛音箱Art，小米也成為業(yè)內(nèi)首家情感化TTS大規(guī)模落地的企業(yè)。

基于開心、關(guān)心、害羞等有限但類型不同的情感音頻數(shù)據(jù)，通過不同技術(shù)訓(xùn)練并迭代聲學(xué)模型，這款音箱支持情感TTS合成，并實現(xiàn)了“小愛同學(xué)”的音感化、擬人化。

隨著人工智能技術(shù)的發(fā)展，在實現(xiàn)人機(jī)對話的基礎(chǔ)上，各大AI企業(yè)都在情感化語音交互的領(lǐng)域積極展開探索。

例如在智能客服領(lǐng)域，當(dāng)用戶的問題無法解決或者問題表述不清時，智能客服很有可能無法識別用戶的情緒、進(jìn)行進(jìn)一步操作，從而引發(fā)用戶的不滿和投訴。

針對這一情況，日本NTT研究所研發(fā)出一款客服電話情感識別系統(tǒng)，對用戶的電話語音進(jìn)行收集處理，如果未檢測到用戶憤怒的情感，則繼續(xù)當(dāng)前的語音服務(wù);如果檢測到憤怒的情感，則轉(zhuǎn)為人工服務(wù)進(jìn)行業(yè)務(wù)處理。

語音情感識別通常指機(jī)器從語音中自動識別人類情感和情感相關(guān)狀態(tài)的過程。通過分析說話人情緒使機(jī)器進(jìn)行擬人化的互動，識別說話人的情感成為語音技術(shù)發(fā)力的一個新熱點。

語音情感識別包括兩種，NTT推出的客服電話情感識別系統(tǒng)屬于只通過聲音來分析情感。這一情感語音識別模型的落地應(yīng)用離不開訓(xùn)練數(shù)據(jù)的支撐。

數(shù)據(jù)堂深耕于AI數(shù)據(jù)領(lǐng)域近十年，一直致力于為全球人工智能企業(yè)提供專業(yè)的數(shù)據(jù)服務(wù)，行業(yè)內(nèi)高標(biāo)準(zhǔn)的語音情感識別訓(xùn)練數(shù)據(jù)《20人英文情感語音麥克風(fēng)采集數(shù)據(jù)》和《30部電影語音視頻標(biāo)注數(shù)據(jù)》廣受重視和好評。

語音情感識別的另外一種模型就是結(jié)合聲音和圖像的多模態(tài)情感分析。

機(jī)器人Pepper就是應(yīng)用多模態(tài)情感分析的典型案例。

Pepper是由日本軟銀集團(tuán)和法國Aldebaran Robotics研發(fā)的一款人形機(jī)器人，可綜合考慮周圍環(huán)境，積極主動地作出反應(yīng)。

Pepper配備了語音識別技術(shù)以及分析表情和聲調(diào)的情緒識別技術(shù)，經(jīng)過定制化開發(fā)，可通過表情、動作、語音與人類交流、反饋，甚至能夠跳舞、開玩笑。

如今在商業(yè)領(lǐng)域，全球超過2000家企業(yè)應(yīng)用了Pepper，服務(wù)于零售、金融、健康護(hù)理等眾多行業(yè)。

麻省理工學(xué)院媒體實驗室分拆公司Affectiva通過語音和面部數(shù)據(jù)打造了情感檔案，其神經(jīng)網(wǎng)絡(luò)SoundNet可以在短短1.2秒內(nèi)識別出音頻數(shù)據(jù)中的憤怒情緒。

除了憤怒，人的情感從大類上可分為高興、悲傷、失望、驚訝等面部情感，從內(nèi)心情感上還可細(xì)分為：尷尬、猶豫、贊同、羨慕等。這些情感可以用VAD方法進(jìn)行量化打分。

所謂VAD，是指Valence、Arousal、Dominance三個衡量維度。

· Valence(效價)，指達(dá)到目標(biāo)對于滿足個人需要的價值，同一個目標(biāo)對每一個人可能有三種效價：正、零、負(fù)。

· Arousal(積極程度)，即精神+身體共同體現(xiàn)出的積極程度，如充滿活力或死氣沉沉。

· Dominance(優(yōu)勢度)，表示個體對情景和他人的控制狀態(tài)，如憤怒就屬于優(yōu)勢度高的情感，而恐懼屬于優(yōu)勢度低的情感。

數(shù)據(jù)堂一直致力于開發(fā)個性化的機(jī)器訓(xùn)練數(shù)據(jù)，并將數(shù)據(jù)和服務(wù)落地到AI產(chǎn)品和業(yè)務(wù)，為人們帶去更好的產(chǎn)品體驗，讓每個人都能享受人工智能帶來的美好生活。

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！