Speech Features for Discriminating Stress Using Branch and Bound Wrapper Search

Abstract

Abstract. Stress detection from speech is a less explored field than Automatic Emotion Recognition and it is still not clear which features are better stress discriminants. VOCE aims at doing speech classification as stressed or not-stressed in real-time, using acoustic-prosodic features only. We therefore look for the best discriminating feature subsets from a set of 6285 features -6125 features extracted with openSMILE toolkit and 160 Teager Energy Operator (TEO) features. We use a mutual information filter and a branch and bound wrapper heuristic with an SVM classifier to perform feature selection. Since many feature sets are selected, we analyse them in terms of chosen features and classifier performance concerning also true positive and false positive rates. The results show that the best feature types for our application case are Audio Spectral, MFCC, PCM and TEO. We reached results as high as 70.36% for generalisation accuracy.

Uma abordagem de aprendizagem semissupervisionada para a classificação automática de personalidade baseada em pistas acústico-prosódicas

“…Relativamente ao traço neuroticismo, um falante caracterizado como neurótico produz enunciados com menores valores médios de energia e características de voz associadas à laringalização, pistas que já foram anteriormente descritas para a identificação de stress (Julião et al, 2015).…”

5. Prosódia, variação e processamento automático

“…Entre as pistas prosódicas mais informativas destacam-se as seguintes: parâmetros de qualidade da voz associados a voz laringalizada, nomeadamente jitter (perturbações de f 0 ) e shimmer (perturbações de energia) ao longo dos constituintes similares a frase, e movimentos finais de f 0 sistematicamente mais baixos do que o expetável, constituinte após constituinte (cf. Julião et al 2015). Sabe-se que também em exposições escolares de adolescentes, o stress ou a insegurança se associam a um nível de registo substancialmente mais baixo e a uma redução da gama de f 0 , o que se traduz numa nítida impressão de falta de controlo da situação (Mata 1999).…”