研究人员推出了DyadEE，一个用于检测二元语音中情感同步的数据集，并提出了TRACE，这是一个窗口级框架，将这些交互建模为声学嵌入的有序序列。研究表明，结合对话上下文和关系信息可显著提高检测准确率。

  • DyadEE数据集包含情感同步的对话以及通过交换伙伴和情感重合成而破坏同步的合成交互。
  • TRACE将每个样本视为交互轨迹，使用经过情感微调的Whisper表示，而非池化语句。
  • 该模型通过利用感知时间关系的建模，在DyadEE数据集上取得了97.01%的最佳准确率。