Emotional Voice Messages (EMOVOME) database: emotion recognition in spontaneous voice messages

Emotional Voice Messages (EMOVOME)是一个自发语音数据集，包含来自100名西班牙说话者（男女平衡）在信息应用程序上的真实对话中的999个音频消息。参与者在被招募之前在野外环境下产生语音消息，避免了由于实验室环境而产生的任何意识偏见。三个非专家和两个专家对音频进行了情感价值和唤起度标记，然后将其组合以获得每个维度的最终标签。专家还提供了与七种情绪类别相对应的额外标签。为了为使用EMOVOME进行未来研究设定基线，我们使用语音和音频转录实施了情感识别模型。对于语音，我们使用了标准的eGeMAPS特征集和支持向量机，在情感价值和唤起度方面分别获得49.27％和44.71％的非加权准确度。对于文本，我们微调了一个多语言BERT模型，并分别获得了61.15％和47.43％的非加权准确度。该数据库将显著促进野外情感识别研究，同时为西班牙语提供了独特的自然和免费资源。

论文旨在解决在野外语音情感识别中的问题，提供一个自然且免费的西班牙语资源。

论文提出了使用eGeMAPS特征集和支持向量机进行语音情感识别的方法，并使用多语言BERT模型进行文本情感识别，为未来的情感识别研究提供了基准。

EMOVOME是一个自然的、免费的西班牙语语音数据集，标注了情感维度和情感类别。使用了两种方法进行情感识别，并比较了它们的效果。该数据集为未来的情感识别研究提供了重要的贡献。

最近的相关研究包括使用深度学习方法进行情感识别、使用多模态数据进行情感识别等。