奇富科技智能語(yǔ)音團(tuán)隊(duì)再傳捷報(bào)——多模態(tài)情感計(jì)算研究論文Qieemo: Multimodal Emotion Recognition Based on the ASR Backbone被語(yǔ)音領(lǐng)域旗艦會(huì)議ASRU 2025正式收錄。由此，奇富科技成為極少數(shù)集齊全球語(yǔ)音領(lǐng)域三大頂會(huì)（ICASSP、InterSpeech、ASRU）成果的金融科技企業(yè)，躋身全球語(yǔ)音技術(shù)研發(fā)第一梯隊(duì)。

作為音頻理解領(lǐng)域的旗艦會(huì)議，ASRU（全稱IEEE Workshop on Automatic Speech Recognition and Understanding）每?jī)赡昱e辦一次，代表著全球音頻理解領(lǐng)域研究的最高水平。

此次入選ASRU 2025的論文，其核心價(jià)值在于構(gòu)建了一個(gè)具有普遍意義的理論框架，而不僅僅是一個(gè)特定任務(wù)的模型。論文從數(shù)學(xué)建模視角出發(fā)，開(kāi)創(chuàng)性地構(gòu)建了以ASR模型為核心骨架的通用特征融合理論框架，系統(tǒng)論證了預(yù)訓(xùn)練ASR模型編碼器多層次特征對(duì)下游音頻理解任務(wù)的本質(zhì)性貢獻(xiàn)與關(guān)鍵作用機(jī)制。這一框架的提出，跳出了在現(xiàn)有模型上疊加網(wǎng)絡(luò)層或微調(diào)參數(shù)的常規(guī)思路，深入探索了語(yǔ)音表征的本質(zhì)及其跨模態(tài)應(yīng)用的底層邏輯，為多模態(tài)情感識(shí)別乃至更廣泛的語(yǔ)音理解任務(wù)提供了全新的、堅(jiān)實(shí)的理論基礎(chǔ)。

應(yīng)運(yùn)而生的Qieemo模型實(shí)現(xiàn)，正是基于此理論框架。它以預(yù)訓(xùn)練ASR（自動(dòng)語(yǔ)音識(shí)別）模型這一廣泛可得的組件為基礎(chǔ)，提取文本相關(guān)的語(yǔ)音后驗(yàn)概率特征與幀對(duì)齊的情感特征，通過(guò)自研的多模態(tài)融合模塊與跨模態(tài)注意力模塊，實(shí)現(xiàn)了ASR模型不同層特征的高效融合。Qieemo模型的設(shè)計(jì)理念使其具備良好的可遷移性和擴(kuò)展性，其核心思想——利用ASR骨干網(wǎng)絡(luò)提取的深層、對(duì)齊的特征作為多模態(tài)融合的基礎(chǔ)——不僅適用于情感計(jì)算，也為活體識(shí)別、語(yǔ)義理解等其他下游相關(guān)任務(wù)，甚至跨行業(yè)（如教育、醫(yī)療、娛樂(lè)等）的智能交互場(chǎng)景，提供了強(qiáng)大的基礎(chǔ)工具和新的研究范式。更為重要的是，Qieemo在實(shí)時(shí)交互過(guò)程中，除提供對(duì)應(yīng)的文本信息外，還能提供更深層次的情緒信息。

Qieemo開(kāi)創(chuàng)性地讓機(jī)器真正“聽(tīng)懂”了人類語(yǔ)音中的情感！這項(xiàng)突破性技術(shù)將識(shí)別準(zhǔn)確率較傳統(tǒng)方法提升15%以上，更在復(fù)雜場(chǎng)景下實(shí)現(xiàn)顯著突破——在已達(dá)SOTA的單模態(tài)方案MSMSER基礎(chǔ)上再創(chuàng)4%的相對(duì)提升，讓智能客服首次具備真正的“情感理解”能力，為情感計(jì)算領(lǐng)域樹(shù)立了“SOTA+”的新標(biāo)桿。這一性能飛躍，正是源于對(duì)底層語(yǔ)音特征及其作用機(jī)制的深刻洞察，而非簡(jiǎn)單的模型復(fù)雜化。

從業(yè)務(wù)價(jià)值來(lái)看，這一技術(shù)可直接賦能金融服務(wù)全流程：在智能客服場(chǎng)景中，通過(guò)實(shí)時(shí)識(shí)別用戶情感波動(dòng)，可動(dòng)態(tài)調(diào)整服務(wù)策略，提升用戶滿意度；在信貸審核環(huán)節(jié)，結(jié)合語(yǔ)音情感特征與文本信息，能更精準(zhǔn)判斷用戶信用狀態(tài)，降低風(fēng)險(xiǎn)成本。更重要的是，Qieemo所奠定的理論基礎(chǔ)和框架設(shè)計(jì)，為金融乃至更廣泛領(lǐng)域的智能語(yǔ)音交互，構(gòu)建了一個(gè)性能更強(qiáng)、適應(yīng)性更廣的底層平臺(tái)。

與多數(shù)依賴開(kāi)源技術(shù)或外部合作的金融科技公司不同，奇富科技在人工智能核心領(lǐng)域堅(jiān)持全鏈路自主研發(fā)，在語(yǔ)音識(shí)別、情感計(jì)算等前沿領(lǐng)域持續(xù)投入，形成了從算法設(shè)計(jì)到工程落地的完整體系。尤為關(guān)鍵的是，奇富科技的研發(fā)路徑選擇了一條更深入、更基礎(chǔ)的探索之路。當(dāng)行業(yè)普遍聚焦于在現(xiàn)有神經(jīng)網(wǎng)絡(luò)架構(gòu)上堆疊層數(shù)或嘗試不同組合時(shí)，奇富科技選擇回歸問(wèn)題本質(zhì)，深入探究語(yǔ)音信號(hào)處理、特征表達(dá)與融合的底層數(shù)學(xué)原理和機(jī)制。這種對(duì)基礎(chǔ)理論和原創(chuàng)框架的執(zhí)著追求，使其在技術(shù)深度、應(yīng)用靈活性以及長(zhǎng)期競(jìng)爭(zhēng)力上占據(jù)極大優(yōu)勢(shì)。

奇富科技首席算法科學(xué)家費(fèi)浩峻表示：“完成三大頂會(huì)收官不是終點(diǎn)，而是奇富科技語(yǔ)音技術(shù)生態(tài)的起點(diǎn)。Qieemo模型的建立，標(biāo)志著我們?cè)跇?gòu)建基礎(chǔ)性語(yǔ)音理解能力上邁出了關(guān)鍵一步。它不僅服務(wù)于我們自身的金融場(chǎng)景，其理論內(nèi)核和設(shè)計(jì)思想具備向同行乃至跨行業(yè)輸出的潛力。我們將持續(xù)探索語(yǔ)音技術(shù)與人機(jī)協(xié)作的融合臨界點(diǎn)，堅(jiān)持在基礎(chǔ)理論和核心框架上的創(chuàng)新，讓金融科技有精度更有溫度，也讓更廣泛的智能世界受益于我們對(duì)底層邏輯的深刻理解。”

生成海報(bào)

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評(píng)論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個(gè)人觀點(diǎn)，與極客網(wǎng)無(wú)關(guān)。文章僅供讀者參考，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。