通过从现有播客录音中检索情感语音构建自然主义情感平衡语音语料库

缺乏大型自然情感数据库是将受控条件下的语音情感识别结果转化为实际应用的关键障碍之一。收集情感数据库的成本高且耗时，这限制了现有语料库的规模。当前用于收集自发数据库的方法往往提供不平衡的情感内容，这取决于给定的录音协议（例如，口语对话为正面，讨论或辩论为负面）。现有数据集的规模和说话者多样性也受到限制。本文提出了一种新颖的方法，通过利用来自音频分享网站的现有自发录音，有效构建一个大型自然主义情感数据库，具备平衡的情感内容，降低成本并减少人工劳动。该方法结合机器学习算法，检索传达平衡情感内容的录音，并采用众包的成本有效注释流程，从而实现大规模语音情感数据库的构建。该方法提供多个说话者的自然情感表现，具有不同的通道条件，并传达平衡的情感内容，这在替代数据收集协议中是难以获得的。