通过蒸馏与生成多语言转录的跨模态整合实现音频情感分析

英文标题：Audio Sentiment Analysis via Distillation and Cross-Modal Integration of Generated Multilingual Transcripts

本研究提出一种从语音中自动识别正/负情感的跨模态方法，将音频基础模型与从语音生成的多语言文本转录相结合，并通过知识蒸馏提升效率。论文展示了该方法在多个情感识别基准上的性能提升，并分析了转录在低资源语言中的价值。这项工作为构建更鲁棒、多语言语音情感分析系统提供了新思路，对开发对话式 AI 与语音 Agent 的情感感知能力具有参考意义。

2.6 KB 2.1 KB 461 B 612 B 380 B 9.1 KB 22.8 KB 24.2 KB 34.7 KB