用於識別語音情感變化的設備和方法

2023-06-28 02:23:26 1

專利名稱：用於識別語音情感變化的設備和方法
技術領域：
本發明涉及語音信號處理領域，特別涉及一種用於從說話人的語音數據中識別說 話人的語音情感變化的設備和方法。
背景技術：
如今，分析說話人的語音數據以識別說話人的語音情感已經變得很重要。例如，語 音情感識別技術可以應用於人機互動領域，並且由此可以大大改善人機互動的友好性和準 確性。因此，在現有技術中提出了各種用於從說話人的語音數據中識別說話人的 語音情感的方案。例如，請參見日本專利申請公開No. 2008-076905和中國專利申請 No.200610097301. 6。傳統的方案僅僅注重於通過從說話人的語音數據中提取諸如基頻、能量和共振峰 等語音情感特徵來識別說話人的語音情感。然而，由於不同說話人的語音情感特徵是不同 的，並且甚至同一說話人的語音情感特徵在不同的時期也是不同的，因此在傳統的方案中 難以準確地識別個人化語音數據的語音情感。另一方面，在很多應用中，從說話人的語音中識別情感變化而非從語音中識別情 感更令人感興趣。例如，在視頻廣告應用中，在視頻中演員的情感由「平靜」轉為「激動」的 時間點是在視頻中插入廣告的適當時間點。因此，在這樣的應用中，準確地從說話人的語音 數據中識別說話人的語音情感變化就足矣。然而，由於在傳統的方案中語音情感識別的不 準確，因此根據傳統方案的語音情感識別結果難以準確地識別個人化語音數據的語音情感 變化。

發明內容
在下文中給出了關於本發明的簡要概述，以便提供關於本發明的某些方面的基本 理解。但是，應當理解，這個概述並不是關於本發明的窮舉性概述。它並不是意圖用來確定 本發明的關鍵性部分或重要部分，也不是意圖用來限定本發明的範圍。其目的僅僅是以簡 化的形式給出關於本發明的某些概念，以此作為稍後給出的更詳細描述的前序。鑑於現有技術的上述情形，本發明的目的是提供一種用於從說話人的語音數據中 識別說話人的語音情感變化的設備和方法，其能夠在個人化語音數據的語音情感變化識別 上提供良好的性能。為了實現上述目的，本發明的實施例提供了一種從說話人的語音數據中識別所述 說話人的語音情感變化的方法，其可以包括以下步驟窗口分割步驟，將所述說話人的所述 語音數據按窗口寬度分割成多個窗口 ；窗口語音情感特徵計算步驟，針對所述多個窗口中 的每個窗口，計算語音情感特徵；以及語音情感變化識別步驟，通過將由至少兩個連續窗口 構成的窗口集的語音情感特徵與存儲在語音情感特徵變化資料庫中的多個語音情感特徵 變化模板中的每個模板進行比較，以找出與所述窗口集的語音情感特徵匹配的語音情感特徵變化模板，對所述窗口集識別所述說話人的語音情感變化。此外，本發明的實施例提供了一種用於從說話人的語音數據中識別所述說話人的 語音情感變化的設備，其可以包括窗口分割裝置，用於將所述說話人的所述語音數據按窗 口寬度分割成多個窗口 ；窗口語音情感特徵計算裝置，用於針對所述多個窗口中的每個窗 口，計算語音情感特徵；以及語音情感變化識別裝置，用於通過將由至少兩個連續窗口構成 的窗口集的語音情感特徵與存儲在語音情感特徵變化資料庫中的多個語音情感特徵變化 模板中的每個模板進行比較，以找出與所述窗口集的語音情感特徵匹配的語音情感特徵變 化模板，對所述窗口集識別所述說話人的語音情感變化。此外，本發明的實施例提供了一種存儲有電腦程式的計算機可讀介質，其中所 述電腦程式在執行時使得計算機執行上述用於從說話人的語音數據中識別說話人的語 音情感變化的方法。根據本發明的上述技術方案，鑑於諸如「喜」、「怒」、「哀」、「樂」、「害怕」等語音情感 的變化總是伴隨著諸如語音基頻、語音能量、語音速度等語音情感特徵的顯著變化，通過直 接分析說話人的語音數據中的語音情感特徵變化，可以準確地從說話人的語音數據中識別 說話人的語音情感變化。根據下面結合附圖對本發明的優選實施例的詳細描述，本發明的這些和其他優點 將會變得更加清楚。


本發明可以通過參考下文中結合附圖所給出的詳細描述而得到更好的理解，其中 在所有附圖中使用了相同或相似的附圖標記來表示相同或者相似的部件。所述附圖連同下 面的詳細說明一起包含在本說明書中並形成說明書的一部分，用來進一步舉例說明本發明 的優選實施例和解釋本發明的原理和優點。在附圖中圖1是示出根據本發明實施例的從說話人的語音數據中識別說話人的語音情感 變化的方法的流程圖；圖2是示出圖1的語音情感變化識別步驟S130的實現示例的流程圖；圖3示意性地示出了從說話人A和B之間的對話數據中提取的說話人A的兩個語 音片斷的波形圖；圖4示意性地示出了從圖3的兩個語音片斷中分別提取的基頻變化圖；圖5示意性地示出了與圖3的兩個語音片斷對應的兩個窗口的基頻變化圖，其中 窗口寬度是這兩個語音片斷的最小長度，並且奇異點被去除；圖6示意性地示出了與圖3的兩個語音片斷對應的很多窗口的基頻變化圖，其中 窗口寬度是10ms，並且奇點被去除；圖7示出了在本發明的實施例中採用的語音情感特徵變化資料庫的示例性結構；圖8是示出根據本發明實施例的用於從說話人的語音數據中識別說話人的語音 情感變化的設備的構造的框圖；圖9是示出圖8的語音情感變化識別裝置830的示例性構造的框圖；以及圖10是示出可以實施本發明的計算機的示例性構造的框圖。
具體實施例方式在下文中將結合附圖對本發明的示例性實施例進行描述。為了清楚和簡明起見， 在說明書中並未描述實際實施方式的所有特徵。然而，應該了解，在開發任何這種實際實施 例的過程中必須做出很多特定於實施方式的決定，以便實現開發人員的具體目標。還需要說明的一點是，為了避免因不必要的細節而模糊了本發明，在附圖中僅僅 示出了與根據本發明的方案密切相關的裝置結構和/或處理步驟，而省略了與本發明關係 不大的其他細節。圖1是示出根據本發明實施例的從說話人的語音數據中識別說話人的語音情感 變化的方法的流程圖。說話人的語音數據可以通過諸如錄音設備、電話、PDA等外部設備輸 入。此外，說話人的語音數據可以是來自說話人的整段連續語音數據，例如，演講者所作的 口頭演講。可替選地，說話人的語音數據可以由說話人的一個或多個連續語音片斷構成，其 中這些語音片斷是從包括該說話人的多個說話人的對話數據中提取出來的，例如，在呼叫 中心應用中從客戶和呼叫中心代表之間的電話交談數據中提取的客戶的一個或多個連續 語音片斷。這裡，不同說話人的辨別可以採用sndpeek等來實現。例如，圖3示意性地示出了從說話人A和B之間的對話數據中提取的說話人A的 兩個語音片斷(a)和(b)的波形圖。在本例中，說話人的語音數據由說話人A的兩個語音 片斷(a)和(b)構成。如圖1所示，該方法可以包括窗口分割步驟S110、窗口語音情感特徵計算步驟 S120以及語音情感變化識別步驟S130。首先，在窗口分割步驟SllO中，將說話人的語音數據按窗口寬度分割成多個窗 口。當說話人的語音數據是來自說話人的整段連續語音數據時，窗口寬度可以是預定的時 間寬度，例如10ms、100ms、Is等。當說話人的語音數據由說話人的一個或多個連續語音片 斷構成時，窗口寬度可以是預定的時間寬度，例如lOmsUOOmsUs等，或者可以由該一個或 多個連續語音片斷的最小長度與諸如10ms、100ms、Is等預定時間寬度的較大者確定。一般而言，當說話人的語音數據由說話人的一個或多個連續語音片斷構成時，一 個窗口最多僅覆蓋一個語音片斷，並且當一個語音片斷不能被完全分割時，長度小於窗口 寬度的最後剩餘部分可以被省略。接下來，在窗口語音情感特徵計算步驟S120中，針對該多個窗口中的每個窗口， 計算語音情感特徵。優選地，語音情感特徵可以包括語音基頻、語音能量和語音速度中的一 個或多個。然而，本領域的技術人員應當理解，本發明不局限於此，並且諸如共振峰等其它 語音情感特徵也可適用於本發明。優選地，在窗口語音情感特徵計算步驟S120中，計算窗口中各個特徵提取區間的 語音情感特徵的平均值作為該窗口的語音情感特徵。這裡，特徵提取區間可以根據具體設 計而設為IOms或其它值。此外，本領域的技術人員應當理解，根據具體設計，可以以其他方 式計算窗口的語音情感特徵。進一步優選地，為了更準確地計算窗口的語音情感特徵，在上述平均值計算處理 之前，從窗口中各個特徵提取區間的語音情感特徵中去除語音情感特徵奇異點。這裡，語音 情感特徵奇異點是指等於或近似O的那些特徵值(例如，由靜默時段等導致)、與附近特徵 值相比具有較大變化的那些特徵值(例如，由噪聲等導致)等等。
進一步優選地，當算出的窗口語音情感特徵等於或近似0時(例如，窗口僅包含靜 默時段)，該窗口可以被去除。例如，假設採用語音基頻作為語音情感特徵，以由圖3所示的語音片斷(a)和(b) 構成的說話人的語音數據為例，圖4示意性地示出了分別對應於語音片斷(a)和(b)的基 頻圖。當窗口寬度設為語音片斷(a)和(b)的最小長度時，圖5示意性地示出了所算出的 對應於語音片斷(a)的淺色窗口和對應於語音片斷(b)的深色窗口的語音情感特徵。當窗 口寬度設為IOms的預定時間長度時，圖6示意性地示出了所算出的各個窗口的語音情感特 徵，其中時間軸中的一個點代表一個窗口，並且語音情感特徵等於或近似0的那些窗口被 去除。最後，在語音情感變化識別步驟S130中，通過將由至少兩個連續窗口構成的窗口 集的語音情感特徵與存儲在語音情感特徵變化資料庫中的多個語音情感特徵變化模板中 的每個模板進行比較，以找出與該窗口集的語音情感特徵匹配的語音情感特徵變化模板， 對該窗口集識別說話人的語音情感變化。—般而言，窗口集可以包括預定數目的窗口，並且可以以窗口數目小於該預定數 目的移動步長順序地選擇。優選地，當說話人的語音數據由說話人的至少兩個連續語音片 斷構成時，窗口集可以包括兩個相繼語音片斷的所有窗口，並且可以以一個語音片斷的移 動步長來順序地選擇。此外，例如，在語音情感特徵變化資料庫的一個具體實現中，一種語音情感變化類 型可以具有預定數目的語音情感特徵變化模板，每個語音情感特徵變化模板將一個或多個 代表性語音情感特徵變化曲線(例如，語音基頻變化曲線、語音能量變化曲線等)與一種語 音情感變化類型相關聯，並且語音情感特徵變化模板可以通過對來自不同說話人的代表性 語音數據的大量語料進行統計分析，利用聚類算法來預先生成。圖7示出了在本發明的實施例中採用的語音情感特徵變化資料庫的示例性結構。 如圖7所示，語音情感特徵變化資料庫包括以下兩個表語音情感特徵變化類型表(a)和 語音情感特徵模板表(b)。圖7中的語音情感特徵變化類型表(a)具有兩個欄位「變化類 型ID」和「變化類型名稱」，並且示意性地示出了四種示例性語音情感變化類型「平靜-> 憤怒」、「憤怒- >平靜」、「平靜- >高興」、「高興- >平靜」。圖7中的語音情感特徵模板表 (b)具有三個欄位「ID」、「特徵值(基頻)」和「變化類型ID」，並且示意性地示出了與「平 靜- >憤怒」的語音情感變化相關聯的一個示例性語音情感特徵曲線。本領域的技術人員 應當理解，圖7中的語音情感特徵變化資料庫的結構僅僅是示例性的，並且本發明不局限 於此，並且根據具體設計，語音情感特徵變化資料庫可以採用其它結構。此外，語音情感變化識別步驟S130中的處理可以採用各種匹配算法來實現。例 如，圖2是示出圖1的語音情感變化識別步驟S130的實現示例的流程圖。如圖2所示，在歸 一化步驟S210，對窗口集的語音情感特徵進行歸一化。接下來，在歐式距離計算步驟S220， 計算歸一化後的窗口集的語音情感特徵與存儲在語音情感特徵變化資料庫中的多個語音 情感特徵變化模板中的每個模板之間的歐式距離。然後，在確定步驟S230，將與歸一化後的 窗口集的語音情感特徵的歐式距離最小且小於預定閾值的語音情感特徵變化模板確定為 匹配語音情感特徵變化模板。例如，圖7的語音情感特徵模板表(b)中的示例性語音情感 特徵變化模板通過上述處理被確定為圖3中的語音數據的匹配語音情感特徵變化模板，並且由此圖3中的語音數據的語音情感特徵變化被識別為「平靜- >憤怒」。優選地，為了提高匹配性能，只有在窗口集中存在相鄰窗口之間的語音情感特徵 變化中的任一個超過預定閾值，才可以執行圖1中的語音情感變化識別步驟S130。可選地，該方法還可以包括語音情感識別步驟，根據窗口集中的語音情感變化的 識別結果來識別窗口集中各個窗口的語音情感。例如，當圖3中的語音數據的語音情感特 徵變化被識別為「平靜->憤怒」時，語音片斷(a)的各個窗口的語音情感特徵可被識別為 「平靜」，而語音片斷(b)的各個窗口的語音情感特徵可被識別為「憤怒」上面參照附圖詳細描述了根據本發明實施例的從說話人的語音數據中識別說話 人的語音情感變化的方法。下面將參照附圖描述根據本發明實施例的用於從說話人的語音 數據中識別說話人的語音情感變化的設備。圖8是示出根據本發明實施例的用於從說話人的語音數據中識別說話人的語音 情感變化的設備的構造的框圖。如圖8所示，設備800可以包括窗口分割裝置810、窗口語 音情感特徵計算裝置820以及語音情感變化識別裝置830。窗口分割裝置810可以將說話人的語音數據按窗口寬度分割成多個窗口。窗口語音情感特徵計算裝置820可以針對所述多個窗口中的每個窗口，計算語音 情感特徵。語音情感變化識別裝置830可以通過將由至少兩個連續窗口構成的窗口集的語 音情感特徵與存儲在語音情感特徵變化資料庫中的多個語音情感特徵變化模板中的每個 模板進行比較，以找出與窗口集的語音情感特徵匹配的語音情感特徵變化模板，對窗口集 識別說話人的語音情感變化。圖9是示出圖8的語音情感變化識別裝置830的示例性構造的框圖。在該示例 中，語音情感變化識別裝置830可以包括歸一化裝置910、歐式距離計算裝置920以及確定 裝置930。歸一化裝置910可以對窗口集的語音情感特徵進行歸一化。距離計算裝置920 可以計算歸一化後的窗口集的語音情感特徵與存儲在語音情感特徵變化資料庫中的多個 語音情感特徵變化模板中的每個模板之間的歐式距離。確定裝置930可以將與歸一化後的 窗口集的語音情感特徵的歐式距離最小且小於預定閾值的語音情感特徵變化模板確定為 匹配語音情感特徵變化模板。可選地，設備800還可以包括語音情感識別裝置，用於根據窗口集中的語音情感 變化的識別結果來識別窗口集中各個窗口的語音情感。通過閱讀上面給出的相應處理的描述，如何實現圖8中的設備800的各個組成部 件的功能就變得很清楚了，所以在此不再贅述。由上可以清楚，根據本發明的技術方案，可以準確地從說話人的語音數據中識別 說話人的語音情感變化。根據本發明實施例的上述用於從說話人的語音數據中識別說話人的語音情感變 化的設備和方法可以應用於很多應用。例如，當上述設備和方法應用於呼叫中心應用時，在 客戶與呼叫中心代表之間的電話交談期間，可以將客戶的語音情感變化識別結果以語音或 圖像的形式提供給呼叫中心代表，從而呼叫中心代表可以適當且快速地回應客戶的語音情 感變化。而且，當上述設備和方法應用於口頭演講應用時，可以根據演講者的語音情感變化 識別結果來提取演講的所需內容。例如，可以將表現出「悲傷」的語音情感的演講部分過濾，以便提取演講中樂觀向上的內容。上述方法和設備可通過硬體實現。這樣的硬體可以是單一處理設備或多個處理設 備。這樣的處理設備可以是微處理器、微控制器、數字處理器、微型計算機、中央處理單元的 部分、狀態機、邏輯電路及/或操作信號的任何設備。還應該指出的是，上述裝置和方法也可以通過軟體和固件實現。在通過軟體或固 件實現的情況下，從存儲介質或網絡向具有專用硬體結構的計算機，例如圖10所示的通用 計算機1000安裝構成該軟體的程序，該計算機在安裝有各種程序時，能夠執行各種功能等等。在圖10中，中央處理單元(CPU) 1001根據只讀存儲器(ROM) 1002中存儲的程序或 從存儲部分1008加載到隨機存取存儲器(RAM) 1003的程序執行各種處理。在RAM 1003中， 也根據需要存儲當CPU 1001執行各種處理等等時所需的數據。CPU 100UROM 1002和RAM 1003經由總線1004彼此連接。輸入/輸出接口 1005 也連接到總線1004。下述部件連接到輸入/輸出接口 1005 輸入部分1006，包括鍵盤、滑鼠等等；輸出 部分1007，包括顯示器，比如陰極射線管(CRT)、液晶顯示器(IXD)等等，和揚聲器等等；存 儲部分1008，包括硬碟等等；和通信部分1009，包括網絡接口卡比如LAN卡、數據機等 等。通信部分1009經由網絡比如網際網路執行通信處理。根據需要，驅動器1010也連接到輸入/輸出接口 1005。可拆卸介質1011比如磁 盤、光碟、磁光碟、半導體存儲器等等根據需要被安裝在驅動器1010上，使得從中讀出的計 算機程序根據需要被安裝到存儲部分1008中。在通過軟體實現上述系列處理的情況下，從網絡比如網際網路或存儲介質比如可拆 卸介質1011安裝構成軟體的程序。本領域的技術人員應當注意，這種存儲介質不局限於圖10所示的其中存儲有程 序、與設備相分離地分發以向用戶提供程序的可拆卸介質1011。可拆卸介質1011的例子 包含磁碟(包含軟盤(註冊商標))、光碟(包含光碟只讀存儲器(⑶-ROM)和數字通用盤 (DVD))、磁光碟(包含迷你盤(MD)(註冊商標))和半導體存儲器。或者，存儲介質可以是 ROM 1002、存儲部分1008中包含的硬碟等等，其中存有程序，並且與包含它們的設備一起 被分發給用戶。還應當指出的是，執行上述系列處理的步驟可以自然地按照說明的順序按時間順 序執行，但是並不需要一定按照時間順序執行。某些步驟可以並行或彼此獨立地執行。雖然已經詳細說明了本發明及其優點，但是應當理解在不退出由所附的權利要求 所限定的本發明的精神和範圍的情況下可以進行各種改變、替代和變換。而且，本申請的 範圍不僅限於說明書所描述的過程、設備、製造、物質的結構、手段、方法和步驟的具體實施 例。本領域內的普通技術人員從本發明的公開內容將容易理解，根據本發明可以使用執行 與在此所述的相應實施例基本相同的功能或者獲得與其基本相同的結果的、現有和將來要 被開發的過程、設備、製造、物質的結構、手段、方法或者步驟。因此，所附的權利要求旨在它 們的範圍內包括這樣的過程、設備、製造、物質的結構、手段、方法或者步驟。
權利要求
1.一種從說話人的語音數據中識別所述說話人的語音情感變化的方法，包括以下步驟窗口分割步驟，將所述說話人的所述語音數據按窗口寬度分割成多個窗口 ； 窗口語音情感特徵計算步驟，針對所述多個窗口中的每個窗口，計算語音情感特徵；以及語音情感變化識別步驟，通過將由至少兩個連續窗口構成的窗口集的語音情感特徵與 存儲在語音情感特徵變化資料庫中的多個語音情感特徵變化模板中的每個模板進行比較， 以找出與所述窗口集的語音情感特徵匹配的語音情感特徵變化模板，對所述窗口集識別所 述說話人的語音情感變化。
2.根據權利要求1所述的方法，其中所述說話人的所述語音數據由所述說話人的一個 或多個連續語音片斷構成，其中所述連續語音片斷是從包括所述說話人的多個說話人的對 話數據中提取出來的。
3.根據權利要求1或2所述的方法，其中所述窗口寬度為預定時間寬度。
4.根據權利要求2所述的方法，其中所述窗口寬度由所述一個或多個連續語音片斷的 最小長度與預定時間寬度的較大者確定。
5.根據權利要求1所述的方法，其中所述語音情感特徵包括語音基頻、語音能量和語 音速度中的一個或多個。
6.根據權利要求1所述的方法，其中所述窗口語音情感特徵計算步驟包括平均值計算 步驟，計算所述窗口中各個特徵提取區間的語音情感特徵的平均值作為所述窗口的語音情 感特徵。
7.根據權利要求6所述的方法，其中所述窗口語音情感特徵計算步驟在所述平均值計 算步驟之前還包括奇異點去除步驟，從所述窗口中的各個特徵提取區間的語音情感特徵中 去除語音情感特徵奇異點。
8.根據權利要求1所述的方法，其中所述語音情感變化識別步驟進一步包括以下步驟歸一化步驟，對所述窗口集的語音情感特徵進行歸一化；歐式距離計算步驟，計算歸一化後的所述窗口集的語音情感特徵與存儲在所述語音情 感特徵變化資料庫中的所述多個語音情感特徵變化模板中的每個模板之間的歐式距離；以 及確定步驟，將與歸一化後的所述窗口集的語音情感特徵的歐式距離最小且小於預定閾 值的語音情感特徵變化模板確定為匹配語音情感特徵變化模板。
9.根據權利要求1所述的方法，其中只有在所述窗口集中存在相鄰窗口之間的語音情 感特徵變化中的任一個超過預定閾值，才執行所述語音情感變化識別步驟。
10.根據權利要求1所述的方法，還包括語音情感識別步驟，根據所述窗口集中的語音 情感變化的識別結果來識別所述窗口集中各個窗口的語音情感。
11.一種用於從說話人的語音數據中識別所述說話人的語音情感變化的設備，包括 窗口分割裝置，用於將所述說話人的所述語音數據按窗口寬度分割成多個窗口 ；窗口語音情感特徵計算裝置，用於針對所述多個窗口中的每個窗口，計算語音情感特 徵；以及語音情感變化識別裝置，用於通過將由至少兩個連續窗口構成的窗口集的語音情感特 徵與存儲在語音情感特徵變化資料庫中的多個語音情感特徵變化模板中的每個模板進行 比較，以找出與所述窗口集的語音情感特徵匹配的語音情感特徵變化模板，對所述窗口集 識別所述說話人的語音情感變化。
12.根據權利要求11所述的設備，其中所述說話人的所述語音數據由所述說話人的一 個或多個連續語音片斷構成，其中所述連續語音片斷是從包括所述說話人的多個說話人的 對話數據中提取出來的。
13.根據權利要求11或12所述的設備，其中所述窗口寬度為預定時間寬度。
14.根據權利要求12所述的設備，其中所述窗口寬度由所述一個或多個連續語音片斷 的最小長度與預定時間寬度的較大者確定。
15.根據權利要求11所述的設備，其中所述語音情感特徵包括語音基頻、語音能量和 語音速度中的一個或多個。
16.根據權利要求11所述的設備，其中所述窗口語音情感特徵計算裝置包括平均值計 算裝置，用於計算所述窗口中各個特徵提取區間的語音情感特徵的平均值作為所述窗口的 語音情感特徵。
17.根據權利要求16所述的設備，其中所述窗口語音情感特徵計算裝置還包括奇異點 去除裝置，用於在執行所述平均值計算裝置中的處理之前，從所述窗口中的各個特徵提取 區間的語音情感特徵中去除語音情感特徵奇異點。
18.根據權利要求11所述的設備，其中所述語音情感變化識別裝置進一步包括歸一化裝置，用於對所述窗口集的語音情感特徵進行歸一化；歐式距離計算裝置，用於計算歸一化後的所述窗口集的語音情感特徵與存儲在所述語 音情感特徵變化資料庫中的所述多個語音情感特徵變化模板中的每個模板之間的歐式距 離；以及確定裝置，用於將與歸一化後的所述窗口集的語音情感特徵的歐式距離最小且小於預 定閾值的語音情感特徵變化模板確定為匹配語音情感特徵變化模板。
19.根據權利要求11所述的設備，其中只有在所述窗口集中存在相鄰窗口之間的語音 情感特徵變化中的任一個超過預定閾值，才執行所述語音情感變化識別裝置中的處理。
20.根據權利要求11所述的設備，還包括語音情感識別裝置，用於根據所述窗口集中 的語音情感變化的識別結果來識別所述窗口集中各個窗口的語音情感。
21.一種計算機可讀介質，其上存儲有電腦程式，其中所述電腦程式在執行時使得 計算機執行根據權利要求1到10中的任一項所述的方法。
全文摘要
提供了一種用於從說話人的語音數據中識別說話人的語音情感變化的設備和方法，其中該方法包括以下步驟窗口分割步驟(S110)，將說話人的語音數據按窗口寬度分割成多個窗口；窗口語音情感特徵計算步驟(S120)，針對所述多個窗口中的每個窗口，計算語音情感特徵；以及語音情感變化識別步驟(S130)，通過將由至少兩個連續窗口構成的窗口集的語音情感特徵與存儲在語音情感特徵變化資料庫中的多個語音情感特徵變化模板中的每個模板進行比較，以找出與該窗口集的語音情感特徵匹配的語音情感特徵變化模板，對該窗口集識別說話人的語音情感變化。
文檔編號G10L15/02GK102099853SQ200980127959
公開日2011年6月15日 申請日期2009年3月16日 優先權日2009年3月16日
發明者王彬, 郭慶, 陸應亮 申請人:富士通株式會社