语音情感识别更准
该网络结合Transformer，可同时捕获语音信号中多尺度时间与频率特征，实现语音情感识别性能提升。
Yan, Tianhao · 孟浩 · Parada-Cabaleiro, Emilia · Jianhua, Tao · 李太豪 · Schuller, Björn W.
IEEE Transactions on Affective Computing 2024
残差多尺度卷积结构能捕获不同时间尺度的语音情感特征，弥补单一尺度卷积的不足，从而提升识别性能。
Transformer结构结合频谱维度位置信息，克服了传统Transformer仅编码时域的问题，能够有效获取频域判别特征的位置，提升情感识别准确性。
模型代码已在GitHub公开，研究者可以直接复现或在其基础上进一步开发，降低了使用门槛。