基于跨时空融合注意力网络的语音情绪识别模型及方法

本发明公开基于跨时空融合注意力网络的语音情绪识别模型及方法，属于语音处理与人工智能技术领域；基于跨时空融合注意力网络的语音情绪识别模型包括：频域特征提取模块、时域特征提取模块、特征融合模块和情绪分类模块；语音信号通过短时傅里叶变换和梅尔滤波组提取生成语谱图和梅尔频谱图，并作为频域特征提取模块的输入，来提取出频域特征；语音信号的eGeMAPS特征经帧级提取，形成时序特征矩阵，并输入时域特征提取模块，提取出时域特征；特征融合模块将频域特征和时域特征融合为统一高维特征；最后输入情绪分类模块，输出情绪类别。从而有效提升对多种复杂语音情绪的识别精度，具有良好的应用前景和推广价值。