Avaliação de características no reconhecimento de emoções através da voz

Abstract

O reconhecimento automático de emoções na fala (SER) tem ganhado destaque em diversas áreas, incluindo saúde, interação humano-máquina e sistemas inteligentes. Este trabalho investiga a contribuição individual e conjunta de características acústicas para a classificação de emoções, utilizando a base de dados RAVDESS e um classificador baseado em Máquinas de Vetores de Suporte (SVM). Foram extraídas 21 características acústicas (medidas prosódicas, espectrais e de qualidade vocal) de amostras vocais classificadas em oito estados emocionais: neutro, calmo, feliz, triste, bravo, assustado, enojado e surpreso. O protocolo experimental empregou Validação Cruzada Estratificada de 5 partições e avaliou o desempenho em diferentes níveis de representação: frame-level, utterance-level e um subconjunto otimizado de variáveis (Top-10) ranqueado pelo método Fisher Score. A análise revelou que os atributos prosódicos e de qualidade vocal, com destaque para a energia (RMSE), o shimmer e a frequência fundamental (F0), são os marcadores mais consistentes na detecção das emoções. O classificador operando com o conjunto reduzido (Top-10) obteve o melhor desempenho do estudo, alcançando uma acurácia de 44,03%. Embora limitado pela confusão entre emoções de mesma ativação (valência), o resultado demonstra que a seleção de atributos acústicos permite a construção de modelos preditivos mais enxutos.