Siddique

永久，budi

在本文中，我们建议利用扩散模型在语音情感识别（SER）中进行数据构建。，我们提出了一种有效的方法来利用改进的脱氧扩散概率模型（IDDPM）来生成综合情绪数据。我们将IDDPM与来自传输器（BERT）的双向编码器表示的文本式床位调节，以在不同扬声器的声音中生成高质量的合成情感样品1。我们实施了一系列实验，并表明更好的质量合成数据有助于提高SER性能。我们将结果与生成的对抗网络（GAN）进行了比较，并表明所提出的模型生成更好的合成样品，这些样本可以在增强合成数据时可以大大改善SER的性能。索引术语：语音情绪识别，综合语音，生成模型，数据增强。