डेटासेट के बीच SER मॉडल को सामान्यीकृत करने के लिए क्या आवश्यक है? एक व्यापक बेंचमार्क

स्पीच इमोशन रिकग्निशन (SER) मानव-कंप्यूटर इंटरैक्शन को स्पीच-आधारित अनुप्रयोगों में बढ़ाने के लिए आवश्यक है। विशिष्ट इमोशनल डेटासेट्स में सुधार के बावजूद, वास्तविक दुनिया की स्थितियों में SER की सामान्यीकृत करने की क्षमता में अभी भी एक शोध अंतर है। इस पत्र में, हम विभिन्न इमोशन डेटासेट्स के बीच SER सिस्टम को सामान्यीकृत करने के तरीकों का अध्ययन करते हैं। विशेष रूप से, हम 11 इमोशनल स्पीच डेटासेट्स को शामिल करते हैं और SER कार्य पर एक व्यापक बेंचमार्क का प्रदर्शन करते हैं। हम प्रशिक्षण के लिए SER डेटासेट्स को मिलाने के समय असंतुलित डेटा वितरण की चुनौती को ओवर-सैंपलिंग विधियों का उपयोग करके संबोधित करते हैं। इसके अलावा, हम SER की सामान्यीकरण में कुशलता के लिए विभिन्न मूल्यांकन प्रोटोकॉल का अन्वेषण करते हैं। इस पर, हम SER के लिए व्हिस्पर की संभावितता का अन्वेषण करते हैं, जिसमें Thorough मूल्यांकन के महत्व को रेखांकित किया गया है। हमारा दृष्टिकोण स्पीकर-स्वतंत्र तरीकों को एकीकृत करके SER तकनीक को आगे बढ़ाने के लिए डिज़ाइन किया गया है।