互动式情感和弦运动捕捉（IEMOCAP）数据库是一个实用的多模式多说话者数据库，最近在南加州大学SAIL实验室收集。它包含大约12个小时的视听数据，包括视频，语音，面部动作捕捉，文本转录。它由两部分组成，参与者在其中进行即兴表演或剧本剧本，特别是为了引起情感表达而选择的。IEMOCAP数据库由多个注释者注释为类别标签，例如愤怒，幸福，悲伤，中立，以及维数标签（如价，激活和支配）。详细的动作捕捉信息，引发真实情绪的交互式设置以及数据库的大小，使该语料库成为社区中现有数据库的有价值的补充，用于研究和建模多模式和表达性人类交流。

Vistec-AIS语音情感识别 语音情感识别模型及基于Pytorch的推理 安装 从皮皮 pip install vistec-ser 从来源 git clone https://github.com/tann9949/vistec-ser.git cd vistec-ser python setup.py install 用法 使用THAI SER数据集进行培训 我们提供了Google合作实验室示例，用于使用我们的存储库训练。 使用提供的脚本进行培训 请注意，当前，此工作流程仅支持预加载的功能。 因此，这可能会产生〜2 Gb或RAM的额外开销。 运行实验。 运行以下命令 由于有80个录音室录音和20个变焦录音。 我们将数据集分为10个工作室，每组10个工作室。 然后使用k折交叉验证方法进行评估。 我们提供2 k倍的实验：包括和不包括缩放记录。 可以在配置文件中配置它（请参阅examp

基于机器学习的语音情感识别，李丹艳，刘刚，随着计算机技术的发展和人工智能的普及，语音情感识别研究收到学界和工业届的广泛关注。从语音情感识别的起源、语音情感的分类，

语音情感识别Matlab程序，源代码通过特定人语音情感数据库的建立；语音情感特征提取；语音情感分类器的设计，完成了一个特定人语音情感识别的初步系统

使用的是CASIA数据集进行与谱图转换后进行的rensnet50分类得到由于数据集合太小故而准确率只有70%

语音情感识别数据库，适合锻炼，本人亲测有效。

语音情感识别日益受到人们的关注，在社会生活中发挥着重要作用。为了提高语音情感的识别率，提出一种改进的灰狼算法（Grey Wolf Optimizer，GWO）优化支持向量机（Support Vector Machine，SVM）的分类模型（IGWO-SVM）。介绍了灰狼算法的基本理论；嵌入选择算子和引入非线性收敛因子来提升IGWO的寻优性能；采用IGWO优化SVM参数，进而建立语音情感的分类模型。通过10个基准测试函数的仿真实验，验证了IGWO性能优于GWO。对于参比模型，IGWO-SVM模型能够有效提高语音情感的识别率。

matlab/基于多种神经网络的语音情感识别.zip

针对GMM应用于情感识别时区分能力较弱的缺点，提出了一种将GMM与SVM有效结合的算法:基于GMM-UBM多维概率输出的SVM语音情感识别方法。该方法将GMM-UBM模型对一条语音的情感特征参数的两种多维概率输出（与特征向量同维、与GMM阶数同维）作为SVM分类器的特征参数，既利用了GMM表征数据本身统计特性的能力，又保留了SVM判决能力强的特点。在柏林情感语音库与汉语情感语料库上进行的实验结果表明，该方法在语音情感识别上的平均识别率较标准GMM方法提高1.7%3.7%。

CASIA是一个比较基础的中文情感数据库，快速建立自己的语音情感识别系统，