语音助手中的情感计算.pdfVIP

封面文章COVERSTORY

语音助手中的情感计算

■文/岳鹏程李太豪

Siri、小爱同学、车载语音助手等已经成为人们生活中的重要角色，

情感计算可以进一步提升语音助手的智能水平，使用户拥有更真实、自

然的交互体验。

音助手是一种智能的人机交互系统，它可

语以通过语音识别、自然语言理解、语音合语音情感计算的技术难点

成等技术实现与用户的自然对话，提供各种信息查语音情感计算是一个多学科交叉的领域，涉

询、服务预订、娱乐休闲等功能。语音助手已经成及语音信号处理、机器学习、心理学、认知科学等

为智能手机、智能音箱、智能汽车等设备的重要组方面，其技术难点主要包括以下几个方面。

成部分，为人们的生活带来便利和乐趣。在2013年一是语音情感的定义和表示。语音情感是指

的美国科幻爱情电影《她》里，人工智能语音助手人在说话时所表达的情感，它是一种复杂的心理和

萨曼莎拥有迷人的声线，温柔体贴，幽默风趣，与生理现象，受到个体、文化、语境等多种因素的影

男主角展开了一段柏拉图式的爱情。然而，目前的响，有很强的主观性和模糊性，因此很难用一个统

语音助手与萨曼莎还相差甚远，其重要原因之一在一的标准来定义和表示。目前，常用的语音情感的

于缺乏情感感知和表达的能力，导致与用户的交互表示方法有两种。一种是基于类别的方法，将语音

缺乏真实性和亲切感。情感分为几个离散的类别，如喜、怒、哀、惧等。

为了提高语音助手的智能水平和用户体验，这种方法简单直观，但不能反映语音情感的细微差

情感计算的技术就显得尤为重要。情感计算是指让别和连续变化。另一种是基于维度的方法，将语音

计算机具有识别、理解、模拟和表达人类情感的能情感表示为一个连续的多维空间，如愉悦度、唤醒

力，是人工智能的一个重要分支。在语音助手中，度、支配度等。这种方法能够反映语音情感的多样

情感计算可以实现以下几个方面的功能。性和动态性，但需要更多的计算资源和标注数据。

一是语音情感识别。通过分析用户的语音信针对情感标注的模糊性问题，有研究将模糊逻辑、

号，识别用户的情感状态，如高兴、悲伤、愤怒、证据理论等表达不确定性的理论引入情感计算领

惊讶等，从而更好地理解用户的需求和意图，提供域，以更好地处理情感的模糊性，使情感计算系统

更合适的服务和反馈。能够更灵活地处理情感之间的模糊边界，使情感分

二是语音情感合成。通过生成具有情感特征类更具鲁棒性。另外，一些研究采用混合模型，结

的语音信号，表达语音助手的情感状态，如友好、合了传统的规则基础模型和数据驱动的深度学习模

热情、幽默、同情等，从而增强与用户的情感交流型，该模型可以更好地应对情感定义的模糊性，同

和互动，提高用户的满意度和忠诚度。时结合了相关专家的经验和大量数据的优势。

三是语音情感适应。通过动态地调整语音助二是语音情感的特征提取和选择。语音情感

手的情感策略，适应用户的情感变化，如安慰、鼓的特征是指能够反映语音情感的声学参数，如基

励、陪伴、娱乐等，从而建立与用户的情感联系和频、能量、音色、语速等，它们是语音情感识别和

信任，提升用户的参与度和黏性。合成的基础。语音情感的特征提取和选择是指从语

18张江科技评论2024.01

音信号中提取有效的情感特征，并剔除冗余和无