自動語音識別（ASR）無處不在，我們經(jīng)常通過使用ASR技術(shù)的語音用戶界面與虛擬助理、電子設(shè)備和軟件應(yīng)用程序進(jìn)行交互。但更多時候，盡管ASR有了顯著的改進(jìn)，但當(dāng)我們與這些智能設(shè)備和應(yīng)用程序交互時，仍然感覺缺少了一個要素。ASR介導(dǎo)的互動和我們正常的人與人之間的交流有很大區(qū)別，因為當(dāng)我們與其他人互動時，我們會考慮他們的情緒狀態(tài)和表達(dá)，并相應(yīng)地調(diào)整我們的反應(yīng)、理解和行為。
人類的交流是豐富而復(fù)雜的。你可能聽說過經(jīng)常引用的7-38-55通訊規(guī)則。這個在20世紀(jì)60年代形成的公理聲稱，傳達(dá)我們交流的意圖和意義的重?fù)?dān)不是語言而是非語言線索。根據(jù)這一點，實際說出的單詞只占詞義的7%；語音表達(dá)和語調(diào)占38%；其余的55%的詞義是通過肢體語言傳達(dá)的。
我要指出的是，這條規(guī)則在所分配的百分比方面還沒有經(jīng)受住科學(xué)的審查，但它仍然很流行，并且包含了一個真理的核心，即從言語模式中可以收集到重要的信息信號。不僅是“什么”而且“如何”也很重要。當(dāng)同時考慮信息的語義和情感狀態(tài)時，ASR技術(shù)的效果更好。
還要注意，我們這里的重點是語音情感識別，而不是通過使用情感標(biāo)記注入語調(diào)和情感，使機(jī)器生成的語音聽起來更像人。自動生成接近人類語音的真實語音是一個受歡迎但不同的話題。如果當(dāng)前的許多ASR應(yīng)用程序看起來過于機(jī)械化或不切實際，那可能是因為它們對我們所說的話的解釋過于字面化，而對潛在的情感沒有感覺。
語音情感識別有著廣泛的應(yīng)用領(lǐng)域，如下所述：
客戶支持和員工健康：分析語音通話以確定客戶的情緒狀態(tài)可以更好地處理客戶服務(wù)電話。例如，一個憤怒的客戶可以被引導(dǎo)到一個受過訓(xùn)練的支持座席那里，以處理這種情況。一旦確定了情緒，軟件就可以進(jìn)行編程，為心煩意亂的客戶定制一個對話腳本。
語音分析的座席談話可以提供線索，他們的壓力水平和情緒健康。對這些數(shù)據(jù)的時間序列分析可以識別客戶行為模式、員工和團(tuán)隊激勵水平的變化和趨勢，以及其他可操作的見解。這些見解有助于提高員工敬業(yè)度和客戶滿意度。
冠狀病毒大流行導(dǎo)致了前所未有的遠(yuǎn)程工作安排，這些安排會影響員工士氣�；赟ER的分析應(yīng)用程序可以幫助組織評估員工如何應(yīng)對這些新工作條件可能產(chǎn)生的孤立感。
醫(yī)療保健和輔助機(jī)器人：在療養(yǎng)院和護(hù)理中心，為病人和老年人提供的伴侶機(jī)器人引起了很大的興趣。這些機(jī)器人可以了解他們所幫助的用戶的不同情緒狀態(tài)，這將大大提高他們的接受度和采納率。另一個用例涉及自閉癥患者，他們很難識別與他們互動的人所表達(dá)的情感。SER應(yīng)用程序可以提供單詞背后的情感線索。
E-learning應(yīng)用程序：在線學(xué)習(xí)期間，學(xué)生可以體驗各種情緒狀態(tài)，包括焦慮、困惑和無聊。關(guān)于學(xué)習(xí)者當(dāng)前狀態(tài)的輸入，例如他們的興趣水平，可以用來改變教學(xué)節(jié)奏，或者可以促進(jìn)不同的教學(xué)風(fēng)格；所有這些都有助于提高學(xué)生的參與度并導(dǎo)致更好的學(xué)習(xí)結(jié)果。
體育和電子游戲：SER可以通過分析評論和生成精彩片段，幫助識別體育游戲或比賽的關(guān)鍵時刻和激動人心的部分。用戶通過佩戴數(shù)字化身來進(jìn)行視頻游戲，這些化身的表情和動作可以根據(jù)用戶表達(dá)的情感進(jìn)行修改，從而使游戲體驗更具趣味性和吸引力。
這并不是一份詳盡的清單。事實上，SER的用例可以在涉及語音的各種其他人機(jī)交互場景中找到。SER的基礎(chǔ)是能夠正確地推導(dǎo)出潛在的情緒，但這究竟是如何工作的？SER如何補(bǔ)充書面語篇的情感分析？挑戰(zhàn)和限制是什么？
作為一個長達(dá)幾十年的研究領(lǐng)域，SER有許多傳統(tǒng)的技術(shù)，但我們也看到了新的深度學(xué)習(xí)方法的應(yīng)用。人工智能和深度學(xué)習(xí)方法如何幫助我們提高SER？我們將在《語音技術(shù)》（Speech Technology）的春季版上探討這些話題。
聲明:版權(quán)所有 非合作媒體謝絕轉(zhuǎn)載
作者：Kashyap Kompella
原文網(wǎng)址：https://www.speechtechmag.com/Articles/Columns/Interact/Speech-Emotion-Recognition-The-Next-Step-in-the-User-Experience-145605.aspx
