Aprendizado de máquina para detecção e análise de emoções em sinais de voz

Abstract

Atualmente, a tecnologia está cada vez mais integrada à vida cotidiana, tornando-se algo indispensável. Nesse contexto, surge uma crescente necessidade de tornar a interação entre humanos e máquinas mais natural. Para alcançar esse objetivo, é necessário que as máquinas possam identificar e interpretar eficientemente as diferentes emoções expressas pelos seres humanos. Esse campo de estudo é conhecido como SER (Reconhecimento de Emoção através da Fala), que pesquisa as diferentes abordagens aplicadas nas etapas de um modelo de aprendizagem de máquina, desde o pré-processamento, até a extração de características do áudio e a seleção dos atributos. A escolha desses métodos afeta diretamente a performance final e os resultados obtidos. Todo o processo realizado para a seleção dos algoritmos e seus respectivos resultados vão ser debatidos ao longo deste trabalho, sendo destacados resultados de pesquisas científicas anteriores que implementaram tais técnicas.

Currently, technology is increasingly integrated into daily life, becoming indispensable. In this context, there is a growing need to make the human-machine interaction more natural. To achieve this goal, machines must be able to efficiently identify and interpret the different emotions expressed by humans. This field of study is known as SER (Speech Emotion Recognition), which researches the various approaches applied in each step of a machine learning model, from preprocessing to audio feature extraction and feature selection. The choosen methods have a direct effect on the final performance and the results obtained. The entire process for the selection of algorithms and their respective results will be discussed throughout this work, highlighting results from previous scientific studies that have implemented such techniques.