可解释歌唱情感识别框架提出

Fotini Kiriakopoulou等作者提出一个可解释的歌唱情感识别框架，用涵盖韵律、频谱、语音学和声乐技巧的紧凑特征集替代纯深度学习模型，并结合SHAP与GRAD-CAM把预测关联到可测量的声学现象。 作者称，评估显示歌唱专用特征可降低跨歌手差异，声乐技巧描述符能提供可解释的演唱表达洞察。在VocalSet上的域外评估中，颤音与咽音技巧被视为情感传达的显著线索，SHAP结果显示颤音对咬字速率的影响依赖上下文。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。