В ННГУ разрабатывают ИИ-анализатор стресса в речи
Специалисты кафедры киберпсихологии факультета социальных наук ННГУ им. Н.И. Лобачевского (Нижний Новгород) разрабатывают модели машинного обучения для выявления тревоги по акустическим признакам.
Об этом пишет ТАСС со ссылкой на пресс-службу ВУЗа. Там рассказали:
Автоматическое определение стресса по голосу дает инструмент для раннего выявления перегрузок — помогает своевременно обнаруживать уязвимые состояния у операторов, диспетчеров и медперсонала, снижая риск ошибок и выгорания. Также это и фиксация состояния клиента, что, к примеру, может быть полезно для выявления мошенничества — когда клиент введен в заблуждение и просит банк выполнить подозрительную операцию.
Ученые отмечают, стресс проявляется в речи более жестким или дрожащим голосом, изменением тембра или ритма из-за активации вегетативной нервной системы, вызывающей повышение частоты дыхания и мышечного тонуса. В результате скорость, речи, тон, громкость (интенсивность) сильно изменяются.
Машинное обучение проводится мел-частотных кепстральных коэффициентах (MFCC), которые «компактно и точно описывают спектральную оболочку речи, устойчивы к шуму после нормализации, показывают хорошую различающую способность для стилей речи и эмоциональных состояний и хорошо работают на небольших выборках, то есть они являются надежным и интерпретируемым базисом для пилотного исследования. Считается, что именно эти коэффициенты способны давать устойчивую классификацию стресса, а слияние с другими спектральными признаками улучшает точность работы», — уточняет издание.
По словам кандидата психологических наук, заведующей кафедрой киберпсихологии факультета социальных наук Университета Лобачевского Валерии Демаревой, в контролируемых условия точность метода составляет 92%. При этом она отметила, в реальности, с разнородными данными такие показатели пока не достижимы. Исследования продолжат, используя «расширение выборки, валидацию, добавление динамических и просодических признаков, внедрение последовательных архитектур и методов адаптации домена».
изображение freepik
