[发明专利]语音情绪识别方法及系统

权利要求书

1.一种语音情绪识别方法，其特征在于，该方法包括如下步骤：

a.将说话人的语音保存为原始语音文件，并对所述原始语音文件进行音频预处理，得到预处理后的语音文件；

b.使用音频处理库函数，对所述预处理后的语音文件进行音频特征抽取，得到音频特征向量或者谱图像特征；

c.将抽取的音频特征送入训练好的语音情绪识别模型，由语音情绪识别模型完成语音情绪识别。

2.如权利要求1所述的方法，其特征在于，所述的音频预处理包括：静音移除及数据增强。

3.如权利要求2所述的方法，其特征在于，所述的静音移除包括：

使用语音能量作为阈值，如果所述原始语音文件一段时间内的能量小于所设定的阈值时，认为当前该段时间内的音频为噪音，并丢弃；然后保存丢弃所述噪音后的语音文件作为当前语音文件。

4.如权利要求3所述的方法，其特征在于，所述的语音数据增强包括：

如果当前语音文件短于最小音频片段数据，则将当前语音文件中间开始截取一定长度，将该长度复制到原始语音文件的中间位置，以保证预处理后的语音文件满足最短音频时长要求。

5.如权利要求1所述的方法，其特征在于，所述的步骤b包括：

使用音频处理库函数抽取包括以音高、能量、过零率、色度为代表的韵律特征，以共振频率、谱特征为代表的质量特征，及以梅尔倒频谱系数、MFCC一阶导数、线性预测编码系数为代表的导出特征，通过拼接的方式组成音频特征向量。

6.如权利要求1所述的方法，其特征在于，所述的步骤b包括：

使用谱图像特征的形式展示预处理后的语音文件的多维度特征。

7.如权利要求1所述的方法，其特征在于，所述语音情绪识别模型为卷积神经网络模型，采用所述卷积神经网络模型完成语音情绪识别。

8.如权利要求1所述的方法，其特征在于，所述语音情绪识别模型为融合双向长短时记忆与注意力机制模型，采用所述融合双向长短时记忆与注意力机制模型完成语音情绪识别。

9.一种语音情绪识别系统，其特征在于，该系统包括预处理模块、音频特征抽取模块以及语音情绪识别模块，其中：

所述预处理模块用于将说话人的语音保存为原始语音文件，并对所述原始语音文件进行音频预处理，得到预处理后的语音文件；

所述音频特征抽取模块用于使用音频处理库函数，对所述预处理后的语音文件进行音频特征抽取，得到音频特征向量或者谱图像特征；

所述语音情绪识别模块用于将抽取的音频特征送入训练好的语音情绪识别模型，由语音情绪识别模型完成语音情绪识别。