인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
최근 자동음성인식(ASR) 기술 발전과 함께 음성 감정 인식(SER) 기반 응용 연구가 활발히 진행되고 있다. 음성 감정 인식 성능은 데이터의 품질과 양에 크게 의존하며, 여전히 데이터 부족 문제가 존재하여 데이터 증강 기법 연구가 필수적이다. PESQ, STOI 등의 기존 음성 품질 평가 메트릭은 단일 차원의 평가 방식으로써, 감정 발화 음성과 같은 고차원적, 다차원적 특성을 갖는 오디오 데이터의 품질을 종합적으로 평가하지 못하는 단점이 존재한다. 본 연구는 증강된 감정 음성 데이터의 품질 평가를 위한 ESQ(Emotion-Specific Quality Assessment) 메트릭을 제안한다. ESQ 메트릭의 유효성 검증을 위해 MetricGAN으로 품질 레벨별 증강을 수행한 EMO 데이터 셋을 활용하였다. 실험 결과, 7개 그룹에서 품질 레벨 증가에 따른 일관된 평가 점수 향상을 확인하였으며, 전체 평균 향상률은 90.75%를 달성하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094820287
