ACR-Net论文针对语音情感识别语义主导问题

Mengke Zhang 等发布论文，针对语音情感识别（SER）模型和音频 LLM 在语气与文本语义冲突时失效的问题，提出 ASPIRE 基准与 ACR-Net 方法。实验显示，现有模型在极性冲突下因对文本语义过度自信而失败。 ASPIRE 包含四类冲突类型的对抗音频—文本样本，并配套语义过度自信惩罚（SOP）和潜在解耦程度（LDD）两个指标。ACR-Net 结合跨模态注意力与对比解耦损失，通过对比式声学—语义解耦把矛盾表示分离到正交潜在空间，以缓解语义主导。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。