Thai Speech Classification Base on Embedded Emotion Using Pitch Parameter

การเรียนรู้และแยกระดับอารมณ์ในเสียงภาษาไทยโดยใช้ตัวแปลความถี่พื้นฐาน

Name: Wanchai Loturatana

Organization : King Mongkut's University of Technology Thonburi. Faculty of Engineering. Computer Engineering

Name: วันชัย โลตุรัตน์

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี. คณะวิศวกรรมศาสตร์. สาขาวิชาวิศวกรรมคอมพิวเตอร์

keyword: Classifications

; Corpus

; Pitch Contour

; Recognition

; การจัดกลุ่ม

; ฐานข้อมูลเสียง

; ลักษณะของเสียงพื้นฐาน

; การรู้จำ

Abstract: This project is to detect emotion in Thai Speech using pitch parameter which as maximum pitch, minimum pitch at pitch contour. The study utilized a corpus containing emotional speech with about 175 short sentences or a word expressing four emotions: anger, happiness, sadness and a unemotional state, which were sound manually captured from movies. A pitch contour method to evaluate the emotions in the speech was used in the software developed to recognition and express the emotions. The emotions were so complex that most speech sentences could not be precisely assigned into a particular emotion category. However, most emotional states could be described as a mixture of multiple emotions. These programs could recognize four emotion states with following accuracy: 73.63 percentage of unemotional state, 88 percentage of happiness, 72.93 percentage of anger, and 77.78 percentage of sadness.

Abstract: ในงานวิจัยชิ้นนี้จะกล่าวถึงการหารูปแบบอารมณ์ในเสียงพูดภาษาไทยโดยจะใช้ความถี่พื้นฐานในการอ้างถึงจุดสูงสุด จุดต่ำสุดของรูปร่างของความถี่พื้นฐาน ในการศึกษาได้ใช้เสียงที่มีลักษณะของอารมณ์มากกว่า 175 ประโยคสั้นๆหรือ เป็นคำเดียว ซึ่งจะทำการศึกษาลักษณะของอารมณ์ทั้งหมดสี่อารมณ์ ด้วยกัน คือ อารมณ์โกรธ อารมณ์สนุกสนาน อารมณ์เศร้า อารมณ์ปกติ ซึ่งเราจะทำการเลือกเสียงและตัดช่วงคำโดยจะใช้คนเป็นผู้ตัดสินใจเลือก โดยจะใช้ภาพยนตร์เป็นแหล่งข้อมูล เราจะใช้วิธีการ สังเกตการเปลี่ยนแปลงรูปร่างของ ลักษณะของเสียงพื้นฐาน และทำการประเมินหาลักษณะโดยเฉลี่ย และทำการพัฒนาโปรแกรม ที่สามารถแบ่งแยกหรือจำแนกถึงลักษณะของแต่ละอารมณ์ได้ ซึ่งโปรแกรมจะไม่สามารถแยกเสียงที่มีหลายอารมณ์ได้ ผลการทดลองพบว่าสามารถที่จะเรียนรู้และแบ่งแยกระดับอารมณ์ทั้งสี่อารมณ์ที่ทำการศึกษา โดยมีความแม่นยำดังนี้ อารมณ์ปกติร้อยละ 73.63 อารมณ์สนุกสนานร้อยละ88 อารมณ์โกรธร้อยละ 72.93 อารมณ์เศร้า ร้อยละ 77.78

King Mongkut's University of Technology Thonburi

Address: BANGKOK

Email: info.lib@mail.kmutt.ac.th

Name: Bundit Thipakorn

Role: Advisor

Name: บัณฑิต ทิพากร

Role: อาจารย์ที่ปรึกษา

Created: 2005

Modified: 2009-01-30

Issued: 2009-01-05

วิทยานิพนธ์/Thesis

application/pdf

text/plain

ISBN: 9741851332

CallNumber: CPE731

eng

DegreeName: Master of Engineering

Level: Master's Degree

Descipline: Computer Engineering

Grantor: King Mongkut's University of Technology Thonburi

©copyrights King Mongkut's University of Technology Thonburi

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	CPE731.pdf	1 MB	71	2024-11-01 14:55:26
2	CPE731ab.pdf	38.77 KB	39	2018-11-28 07:23:41
3	CPE731aben.txt	1.53 KB	43	2018-11-28 07:24:11
4	CPE731abth.txt	1.43 KB	29	2018-05-10 20:26:06

ใช้เวลา

0.041074 วินาที