利用AWS云技术的音频情感检测应用程序

《Recent Advances in Computer Science and Communications》：Audio Emotion Detection Application Utilizing AWS Cloud

音频情绪分析系统设计及性能验证。针对实时处理效率低和准确率不足的问题，提出基于AWS云服务的可扩展架构，采用卷积神经网络等机器学习模型，在SAVEE和RAVDESS数据集上分别达到94%和93%加权准确率，优于现有基线方法。

　　

摘要

引言：如今，许多应用程序试图通过音频数据来理解用户情绪，从而提升用户的参与度和体验。然而，现有的系统往往缺乏实时处理和准确情感检测所需的效率。开发一个能够从音频文件上传中检测情感的系统，需要一个能够满足用户需求、确保数据安全处理，并集成人工智能服务进行情感分析的基础设施。关键挑战在于设计一个可扩展、安全、成本效益高且能够快速分析音频文件中情感的云架构。

目标：为了解决上述挑战，本文提出了一种基于云的系统，该系统允许用户上传音频文件，分析这些文件以识别情感（如愤怒、平静、厌恶、恐惧、快乐、中立、悲伤、惊讶等），并及时将检测到的情感反馈给用户。

方法：为了训练和测试所使用的模型，收集了两个开放数据集：Surrey Audio-Visual Expressed Emotion (SAVEE) 和 Ryerson Audio-Visual Database of Emotional Speech and Song (RAVDESS)，并使用 AWS 云服务进行训练。

结果与讨论：与现有的方法相比，所提出的方法在 RAVDESS 和 SAVEE 数据集上的表现更佳，分别实现了 93% 和 94% 的加权准确率，而四个基线方法的加权准确率分别为 RAVDESS 数据集的 71%、73% 和 77%，SAVEE 数据集的 67%。

结论：该系统架构设计得具有可扩展性和灵活性，适用于各种应用场景，从而显著增强了用户互动体验。

关键词： 音频文件, AWS 云服务, 卷积神经网络, 情感检测, 机器学习, 人工智能 (AI)