Ученые ННГУ разработали ИИ для анализа стресса в речи с точностью 91,9%

Киберпсихологи Университета Лобачевского создали модель машинного обучения, которая выявляет стресс в речи с точностью 91,9% на основе акустических признаков. Об этом сообщает пресс-служба университета со ссылкой на результаты пилотного эксперимента, опубликованные в Springer Nature. Исследование поддержал Российский научный фонд.

Специалисты кафедры киберпсихологии факультета социальных наук ННГУ использовали конвейер машинного обучения с мел-частотными кепстральными коэффициентами (MFCC). Модель Gradient Boosting протестировали на записях десяти студентов, которые читали научные презентации в двух условиях — публичном выступлении перед аудиторией и приватной репетиции в кабинете. Каждая четырехминутная запись разделили на пятисекундные сегменты (565 приватных и 569 публичных), после чего классификатор верно определил 102 из 110 приватных и 101 из 111 публичных отрезков.

«Автоматическое определение стресса по голосу дает инструмент для раннего выявления перегрузок — помогает своевременно обнаруживать уязвимые состояния у операторов, диспетчеров и медперсонала, снижая риск ошибок и выгорания. Также это и фиксация состояния клиента, что, к примеру, может быть полезно для выявления мошенничества — когда клиент введен в заблуждение и просит банк выполнить подозрительную операцию», — подчеркивает кандидат психологических наук, заведующая кафедрой киберпсихологии Валерия Демарева. 

Поскольку эксперимент был проведен в контролируемых условиях, по словам Демаревой, это «не гарантирует такую же устойчивость в реальных разнородных данных». Ученые планируют расширить выборку, валидацию, добавить просодические признаки и последовательные модели.