用 LSTM、CNN、SVM、MLP 进行语音情感识别，Keras 实现。
改进了特征提取方式，识别准确率提高到了 80% 左右
[English Document](README_EN.md) | 中文文档
## Environments
- Python 3.8
- Keras & TensorFlow 2
## Structure
```
├── models/ // 模型实现
│ ├── common.py // 所有模型的基类
│ ├── dnn // 神经网络模型
│ │ ├── dnn.py // 所有神经网络模型的基类
│ │ ├── cnn.py // CNN
│ │ └── lstm.py // LSTM
│ └── ml.py // SVM & MLP
├── extract_feats/ // 特征提取
│ ├── librosa.py // librosa 提取特征
│ └── opensmile.py // Opensmile 提取特征
├── utils/
│ ├── files.py // 用于整理数据集（分类、批量重命名）
│ ├── opts.py // 使用 argparse 从命令行读入参数
│ └── plot.py // 绘图（雷达图、频谱图、波形图）
├── config/ // 配置参数（.yaml）
├── features/ // 存储提取好的特征
├── checkpoints/ // 存储训练好的模型权重
├── train.py // 训练模型
├── predict.py // 用训练好的模型预测指定音频的情感
└── preprocess.py // 数据预处理（提取数据集中音频的特征并保存）
```
## Requirments
### Python
- [TensorFlow 2](https://github.com/tensorflow/tensorflow) / [Keras](https://github.com/keras-team/keras)：LSTM & CNN (`tensorflow.keras`)
- [scikit-learn](https://github.com/scikit-learn/scikit-learn)：SVM & MLP 模型，划分训练集和测试集
- [joblib](https://github.com/joblib/joblib)：保存和加载用 scikit-learn 训练的模型
- [librosa](https://github.com/librosa/librosa)：提取特征、波形图
- [SciPy](https://github.com/scipy/scipy)：频谱图
- [pandas](https://github.com/pandas-dev/pandas)：加载特征
- [Matplotlib](https://github.com/matplotlib/matplotlib)：绘图
- [NumPy](https://github.com/numpy/numpy)
### Tools
- [可选] [Opensmile](https://github.com/naxingyu/opensmile)：提取特征
## Datasets
1. [RAVDESS](https://zenodo.org/record/1188976)
英文，24 个人（12 名男性，12 名女性）的大约 1500 个音频，表达了 8 种不同的情绪（第三位数字表示情绪类别）：01 = neutral，02 = calm，03 = happy，04 = sad，05 = angry，06 = fearful，07 = disgust，08 = surprised。
2. [SAVEE](http://kahlan.eps.surrey.ac.uk/savee/Download.html)
英文，4 个人（男性）的大约 500 个音频，表达了 7 种不同的情绪（第一个字母表示情绪类别）：a = anger，d = disgust，f = fear，h = happiness，n = neutral，sa = sadness，su = surprise。
3. [EMO-DB](http://www.emodb.bilderbar.info/download/)
德语，10 个人（5 名男性，5 名女性）的大约 500 个音频，表达了 7 种不同的情绪（倒数第二个字母表示情绪类别）：N = neutral，W = angry，A = fear，F = happy，T = sad，E = disgust，L = boredom。
4. CASIA
汉语，4 个人（2 名男性，2 名女性）的大约 1200 个音频，表达了 6 种不同的情绪：neutral，happy，sad，angry，fearful，surprised。
## Usage
### Prepare
安装依赖：
```python
pip install -r requirements.txt
```
（可选）安装 [Opensmile](https://github.com/naxingyu/opensmile)。
### Configuration
在 [`configs/`](https://github.com/Renovamen/Speech-Emotion-Recognition/tree/master/configs) 文件夹中的配置文件（YAML）里配置参数。
其中 Opensmile 标准特征集目前只支持：
- `IS09_emotion`：[The INTERSPEECH 2009 Emotion Challenge](http://mediatum.ub.tum.de/doc/980035/292947.pdf)，384 个特征；
- `IS10_paraling`：[The INTERSPEECH 2010 Paralinguistic Challenge](https://sail.usc.edu/publications/files/schuller2010_interspeech.pdf)，1582 个特征；
- `IS11_speaker_state`：[The INTERSPEECH 2011 Speaker State Challenge](https://www.phonetik.uni-muenchen.de/forschung/publikationen/Schuller-IS2011.pdf)，4368 个特征；
- `IS12_speaker_trait`：[The INTERSPEECH 2012 Speaker Trait Challenge](http://www5.informatik.uni-erlangen.de/Forschung/Publikationen/2012/Schuller12-TI2.pdf)，6125 个特征；
- `IS13_ComParE`：[The INTERSPEECH 2013 ComParE Challenge](http://www.dcs.gla.ac.uk/~vincia/papers/compare.pdf)，6373 个特征；
- `ComParE_2016`：[The INTERSPEECH 2016 Computational Paralinguistics Challenge](http://www.tangsoo.de/documents/Publications/Schuller16-TI2.pdf)，6373 个特征。
如果需要用其他特征集，可以自行修改 [`extract_feats/opensmile.py`](extract_feats/opensmile.py) 中的 `FEATURE_NUM` 项。
### Preprocess
首先需要提取数据集中音频的特征并保存到本地。Opensmile 提取的特征会被保存在 `.csv` 文件中，librosa 提取的特征会被保存在 `.p` 文件中。
```python
python preprocess.py --config configs/example.yaml
```
其中，`configs/example.yaml` 是你的配置文件路径。
### Train
数据集路径可以在 [`configs/`](configs) 中配置，相同情感的音频放在同一个文件夹里（可以参考 [`utils/files.py`](utils/files.py) 整理数据），如：
```
└── datasets
├── angry
├── happy
├── sad
...
```
然后：
```python
python train.py --config configs/example.yaml
```
### Predict
用训练好的模型来预测指定音频的情感。[`checkpoints/`](checkpoints)里有一些已经训练好的模型。
```python
python predict.py --config configs/example.yaml
```
### Functions
#### Radar Chart
画出预测概率的雷达图。
来源：[Radar](https://github.com/Zhaofan-Su/SpeechEmotionRecognition/blob/master/leidatu.py)
```python
import utils
"""
Args:
data_prob (np.ndarray): 概率数组
class_labels (list): 情感标签
"""
utils.radar(data_prob, class_labels)
```
#### Play Audio
播放一段音频
```python
import utils
utils.play_audio(file_path)
```
#### Plot Curve
画训练过程的准确率曲线和损失曲线。
```python
import utils
"""
Args:
train (list): 训练集损失值或准确率数组
val (list): 测试集损失值或准确率数组
title (str): 图像标题
y_label (str): y 轴标题
"""
utils.curve(train, val, title, y_label)
```
#### Waveform
画出音频的波形图。
```python
import utils
utils.waveform(file_path)
```
#### Spectrogram
画出音频的频谱图。
```python
import utils
utils.spectrogram(file_path)
```
【毕业设计】基于tensorflow实现LSTM, CNN, SVM, MLP语音情感识别源码.zip （46个子文件） 
code 
.editorconfig 200B features 3-category train_opensmile_savee_ravdess.csv 29.4MB train_librosa_casia.p 3.05MB train_opensmile_casia.csv 23.91MB 7-category train_opensmile_emodb.csv 10.66MB 6-category opensmile_savee_ravdess train.csv 29.4MB opensmile_casia_is09 train.csv 5.83MB librosa_casia train.p 3.03MB opensmile_casia train.csv 23.91MB preprocess.py 411B extract_feats librosa.py 7KB opensmile.py 6KB configs svm.yaml 886B mlp.yaml 861B lstm.yaml 990B cnn1d.yaml 1KB predict.py 1KB utils __init__.py 72B plot.py 3KB files.py 2KB opts.py 1KB README_EN.md 7KB
requirements.txt 147B models __init__.py 1KB base.py 2KB ml.py 3KB dnn dnn.py 4KB __init__.py 48B cnn.py 2KB lstm.py 2KB checkpoints CNN1D_LIBROSA_IS10.json 5KB CNN1D_OPENSMILE_IS10.h5 6.24MB CNN1D_OPENSMILE_IS10.json 5KB CNN1D_LIBROSA_IS10.h5 1.28MB LSTM_OPENSMILE_IS10.h5 3.38MB MLP_LIBROSA_IS10.m 757KB LSTM_LIBROSA_IS10.h5 917KB SCALER_LIBROSA.m 8KB LSTM_OPENSMILE_IS10.json 2KB SVM_OPENSMILE_IS10.m 11.27MB SVM_LIBROSA_IS10.m 2.15MB LSTM_LIBROSA_IS10.json 2KB MLP_OPENSMILE_IS10.m 3.64MB SCALER_OPENSMILE.m 38KB train.py 1KB README.md 7KB资源评论
