تظهر النماذج اللغوية الصوتية الكبيرة (LALMs) أداءً قويًا بلا تدريب مسبق في مهام الكلام، لكنها تواجه صعوبات في التعرف على مشاعر الكلام (SER) بسبب نمذجة باراليغوية ضعيفة وسبب محدود عبر الأنماط المختلفة. نقترح توجيه سلسلة أفكار تكوينية للتفكير العاطفي (CCoT-Emo)، وهو إطار يقدم رسوم بيانية منظمة للعواطف (EGs) لتوجيه LALMs في استنتاج المشاعر دون الحاجة إلى ضبط دقيق. كل رسم بياني لعاطفة يشفر سبعة ميزات صوتية (مثل النغمة، معدل الكلام، الاهتزاز، اللمعان)، والعاطفة النصية، والكلمات الدالة، والارتباطات عبر الأنماط المختلفة. مضمنة في المحفزات، توفر EGs تمثيلات قابلة للتفسير وتكوينية تعزز من استنتاج LALM. تظهر التجارب عبر معايير SER أن CCoT-Emo يتفوق على الطرق الرائدة السابقة ويحسن الدقة مقارنة بأسس بلا تدريب مسبق.
قام شي وآخرون (مون) بدراسة هذا السؤال.