一种基于扩散增强和多粒度特征融合的语音情感识别方法

本发明属于情感计算技术领域，具体涉及一种基于扩散增强和多粒度特征融合的语音情感识别方法，该方法将音频转换为梅尔频谱图；将梅尔频谱图输入扩散模型中，再逐步进行正向扩散注入噪声和反向扩散去除噪声，以恢复出更加清晰的音频；提取增强后音频的特征，然后从音频中提取出帧级特征、段级特征和话语级特征，再进行自适应特征选择，通过权重位置依赖进行深层融合；将融合后的多粒度语音特征输入动态图卷积情感分类模型，生成情感状态识别结果。本发明可提供多分类语音情感识别和语音质量增强等服务，从而在交互中提供更加人性化的响应。