Звук тревоги и стресса: как нижегородские ученые учат машины анализировать человеческую речь
Ученые Нижегородского государственного университета имени Н.И. Лобачевского приступили к разработке алгоритмов машинного обучения, способных диагностировать уровень стресса и тревожности по акустическим параметрам человеческого голоса. Проект реализуется специалистами кафедры киберпсихологии и нацелен на создание инструментов мониторинга психологического состояния профессионалов, работающих в зонах повышенной ответственности. Исследователи успешно провели пилотные испытания на базе контрольных записей презентаций, достигнув точности распознавания около 92%. Технологию планируется использовать для контроля состояния диспетчеров, операторов и медиков, а также как превентивную меру в банковском секторе.
Биофизика стресса в речи
Психофизиологические изменения, вызванные тревогой, неизбежно трансформируют акустический облик речи. Вегетативная нервная система активирует защитные механизмы организма, что ведет к росту мышечного тонуса и смене паттерна дыхания. В результате голос приобретает специфическую "жесткость", характерную дрожь или резкие перепады тембра.
Помимо очевидной вибрации, стресс корректирует параметры громкости и скорости произнесения слов. Эти биологические сигналы являются непроизвольными, что делает их надежными индикаторами для киберпсихологических систем мониторинга.
Подобные методы анализа уже находят применение в образовательных процессах и комплексных системах взаимодействия человека с интерфейсами. Постоянный мониторинг позволяет предотвращать последствия профессионального выгорания и критических ошибок, связанных с высоким эмоциональным напряжением.
Математическая модель анализа
Основой для классификации эмоциональных состояний стали мел-частотные кепстральные коэффициенты. Этот математический подход позволяет эффективно отсеивать фоновые шумы, сохраняя при этом ключевые спектральные характеристики голоса, необходимые для различения состояний спокойствия и тревоги.
Выбор именно этой методики обусловлен её высокой устойчивостью к вариациям дикторских данных даже при ограниченном объеме обучающей выборки. Стандартизация звуковых сигналов позволяет системе сохранять точность независимо от тембра голоса конкретного испытуемого.
Инженеры и психологи намерены интегрировать данные коэффициенты с другими спектральными признаками. Это позволит повысить общую надежность классификации и расширить возможности адаптации нейросетевых моделей к работе в различных звуковых средах.
Результаты пилотных тестов
В ходе эксперимента десять студентов подготовили четырехминутные выступления, которые требовалось произнести дважды: в приватной обстановке и перед аудиторией. Все записи были унифицированы — приведены к частоте 16 килогерц и формату моно — что позволило исключить технические артефакты из выборки.
Анализ охватил 565 сегментов приватной речи и 569 сегментов публичных выступлений. Разбивку данных на пятисекундные отрезки использовали для обучения классификатора, работающего на принципах градиентного бустинга.
Итоговая результативность модели составила около 92%. В частности, система успешно классифицировала 102 из 110 частных фрагментов и 101 из 111 публичных. Сейчас команда ученых работает над расширением выборки для проведения полноценной валидации методов.
Подписывайтесь на NewsInfo.Ru
