语音情感识别中的韵律特征增强：基频归一化与时长规整技术？ 热门官方

回答：不同说话人的基频（F0）范围差异大（如男性F0均值130Hz，女性210Hz），时长差异也会影响情感识别（如愤怒时语速快、音节时长缩短），需韵律特征增强：①基频归一化：用z-score归一化（减去均值除以标准差）或百分位归一化（将F0映射到[0,1]区间），消除说话人性别/年龄差异，归一化后不同说话人的F0分布差异降低60%；②时长规整：用动态时间规整（DTW）将不同语速的语音规整到统一时长（如每秒10帧），或用时长比率特征（如当前音节时长/平均时长）替代绝对时长，减少语速对情感特征的干扰；③韵律特征选择：通过互信息或梯度特征重要性分析，筛选与情感强相关的韵律特征（如F0的变化率、音节时长的方差），去除冗余特征（如无关的背景噪声时长）。增强后，跨说话人语音情感识别准确率提升25%，达78%。