ok，沉迷了快兩個星期，終於有進展了啊啊啊！！！
這段時間內心崩潰，感覺毫無思路，但是我沒放棄！！！看了許多**，然後**在這個星期也終於調通了。不過還是有很多地方值得優化，後面再繼續努力吧！
其實我個人覺得語音識別這一塊的商用還不夠，情感識別就更別說了，而且識別率這一塊有待提公升。
開始正題
資料集用的是emo-db資料集。並以此充當訓練集，測試集自己想用哪些音訊就可以用哪些音訊，但是命名和檔案路徑得符合**編寫的規則。音訊時長最好不要超過6秒，以便獲得比較好的效能。
一些重要函式：
獲取資料集
**情感函式
訓練模型獲取資料
專案中重要檔案及對應的功能：
audiofeatureextraction.py :音訊特徵提取，從音訊中提取功能
globalvars.py:全域性變數
train.py:訓練模型
predict.py:根據音訊**情感
整個框架採用的是雙lstm+attention機制，attention機制是通過邏輯回歸實現的。
訓練資料
**情感結果
情感分類有以下幾種：生氣，無聊，厭惡，焦慮(害怕)，幸福，悲傷，中立。
現在模型的**準確率在百分之六十幾，後面會通過繼續學習來提高精度的。
生命不息，奮鬥不止，fighting!!!
定個小目標：即將擁有腹肌szy!!!
語音情感識別 踩點篇
不管是情感語音識別，還是語音情感識別，含義是一樣的，都是對帶有情感的語音頻號進 感的正確判斷。最傳統的情感語音識別是基於機器學習下的有監督學習完成的。有監督，即 使用訓練集訓練出乙個模型，然後使用該模型對測試集中的語音頻號進 感狀態的正確判斷。傳統的機器學習可以理解為模式識別，即需要通過三個環節來完...
情感語音識別的入門解析
關於情感語音識別領域的研究距今已有二三十餘年的歷史。不管是情感語音識別，還是語音情感識別，含義是一樣的，都是對帶有情感的語音頻號進 感的正確判斷。最傳統的情感語音識別是基於機器學習下的有監督學習完成的。有監督，即 使用訓練集訓練處乙個模型，然後使用該模型對測試集中的語音頻號進 感狀態的正確判斷。傳統...
一些關於語音識別和語音情感識別的資源
這些資源要麼就收費很貴，要麼用不了，嗯 但是也花了很長時間收集，先留著吧。基於svm的語音情感識別 matlab gui介面和文件 點這裡！pythonnlp情感識別專案實戰教程 原始碼 資料集 點這裡！python 語音情感分析 搜一搜？基於svm的情感分析系統點這裡！基於svm的語音情感識別系統...