基于蒸馏HuBERT的移动端语音情感识别

本文解决了在移动设备上部署语音情感识别（SER）的挑战，提出了一种基于蒸馏HuBERT的移动高效系统。作者展示了在显著减小模型大小的同时保持了具有竞争力的准确性，使其适用于资源受限的环境。跨语料库验证和对不同数据集（IEMOCAP、CREMA-D、RAVDESS）的性能分析，提供了关于模型泛化能力和局限性的宝贵见解，特别是关于表演情感的影响。

• •DistilHuBERT实现了移动端高效的SER，显著减小了模型大小。
• •跨语料库训练提高了泛化能力和性能。
• •RAVDESS等数据集中的戏剧性表演风格会影响情感分类的准确性，导致基于唤醒度的聚类。
• •该模型在模型大小和准确性之间取得了良好的平衡，适用于移动设备。