Deep Multiresolution Wavelet Transform for Speech Emotion Assessment of High-Risk Suicide Callers

Cet article propose un cadre de reconnaissance des émotions vocales de bout en bout, destiné à la recherche sur le soutien aux intervenants des lignes de prévention du suicide. Une transformée en ondelettes discrète rapide apprenable extrait des représentations multirésolutions directement du signal brut. Le modèle associe un réseau convolutif dilaté à une dimension avec attention spatiale et des GRU bidirectionnelles avec attention temporelle. Les bases d’ondelettes et le débruitage des coefficients sont appris, notamment grâce à une fonction de seuillage dur asymétrique apprenable. Le cadre traite des signaux de durées variables sans segmentation. L’évaluation sur NSPL-CRISE rapporte des améliorations par rapport aux méthodes de reconnaissance émotionnelle comparées.