การรู้จำอารมณ์จากเสียงพูดภาษาไทยโดยใช้โครงข่ายประสาทเทียม
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์ (1) เพื่อพัฒนาและประเมินโมเดลการรู้จำอารมณ์จากเสียงพูดภาษาไทยโดยใช้โครงข่ายประสาทเทียม (2) เพื่อให้สามารถจำแนกอารมณ์ของมนุษย์ได้อย่างถูกต้อง และ (3) เพื่อลดช่องว่างในการสื่อสารระหว่างคอมพิวเตอร์และผู้ใช้ โดยใช้ชุดข้อมูลจาก AIResearch.in.th ประกอบด้วยประโยคภาษาไทยจำนวน 27,854 ประโยค แบ่งเป็น อารมณ์ โกรธ เศร้า สุข หงุดหงิด และปกติ ใช้ค่าสัมประสิทธิ์เซปสตรัมบนสเกลเมล (MFCC) สำหรับการแยกคุณลักษณะเสียงพูด เตรียมข้อมูลก่อนการประมวลผลโดยใช้เทคนิคการเสริมข้อมูล การยืดเวลาของเสียง การเปลี่ยนระดับเสียง และการฉีดเสียงรบกวน นำข้อมูลที่ได้ไปฝึกในโมเดลในกลุ่มโครงข่ายประสาทเทียม ได้แก่ โครงข่ายประสาทเทียมแบบคอนโวลูชัน 1 มิติ (1D CNN) หน่วยความจำระยะยาว-ระยะสั้นหรือแอลเอสทีเอ็ม (LSTM) และแบบผสมผสาน (1D CNN และ LSTM) ผลลัพธ์แสดงให้เห็นว่าโมเดลแบบผสมผสาน มีค่าความถูกต้องสูงสุดที่ 80.36% ตามมาด้วยโมเดล 1D CNN 77.52% และโมเดล LSTM 67.86%
Article Details
เอกสารอ้างอิง
T. Wangvanichapan, Artificial intelligence can now read human voices "Data set and Emotional Classification Model from Thai Speech" the work of Professor Chulalongkorn University Available for free download today. Available Online at https://www. chula.ac.th/highlight/47227/, accessed on 26 June 2023.
P. Kulkasem, S. Rasameekhwan, B. Chandrakongkul, S. Rimcharoen, K. Chinsarn, P. Boonthong, and M. Chansuphap. Emotion recognition of affective speech based on hybrid classifiers, A Complete Research Report, Faculty of Information Sciences, Burapha University, 2015.
M. El Ayadi, M. S. Kamel, and F. Karray. "Survey on speech emotion recognition: Features, classification schemes, and databases." Pattern Recognition, Vol. 44, No. 3, pp. 572-587, 2011.
S. Kitthaweesinpoon and E. Rattagan. Speech Emotion Recognition of Thai Language. Master's thesis, Data Science Courses, Faculty of Applied Statistics, National Institute of Development Administration, 2021.
J. Salamon and P. J. Bello. "Deep Convolutional Neural Networks and Data Augmentation for Envi ronmental Sound Classification." IEEE Signal Processing Letters, Vol. 24, No. 3, pp. 279-283, 2017.
R. Kawade, R. Konade, P. Majukar, and S. Patil. "Speech Emotion Recognition Using 1D CNN-LSTM Network on Indo-Aryan Database." International Conference on Intelligent Computing, Instrumentation and Control Technologies (ICICICT), Vol. 3, pp. 1288-1293, 2022.
E. Pacharawongsakda, Dividing the data to test the efficiency of the model. Available Online at https://www.linkedin.com/in/eakasit-pacharawongsakda-ph-d-475a8452/recent-activity/posts/, accessed on 26 June 2023.
J. Brownlee, Use Early Stopping to Halt the Training of Neural Networks At the Right Time, Machine Learning Mastery. Available Online at https://machinelearningmastery.com/how-to-stop-training-deep-neural-networks-at-the-right-time-using-early-stopping/, accessed on 26 June 2023.
P. Gatchalee, Confusion Matrix is an important tool for evaluating prediction results in machine learning. Available Online at https://medium.com/@pagongatchalee/, accessed on 17 October 2023.
S. Kanjanawattana, A. Jarat, and P. Praneetpholkrang. "Classification of Human Emotion from Speech Recognition Using Deep Learning." Science and Technology Journal Sisaket Rajabhat University, Vol. 2, No. 2, pp. 1-11, July-December, 2022.
A. Pratama and S. W. Sihwi. "Speech Emotion Recognition Model using Support Vector Machine Through MFCC Audio Feature." International Conference on Information Technology and Electrical Engineering (ICITEE), Vol. 14, pp. 303-307, 2022.
VISTEC-depa Thailand Artificial Intelligence Research Institute, Emotion classification dataset from Thai speech. Available Online at https://airesearch. in.th/releases/speech-emotion-dataset/, accessed on 20 January 2023.
