隐式情绪导向的语音驱动仿生机器人说话方法

来源：计算机应用研究杂志2025年第8期北京时间：

作者：徐康,袁野,付军秀,傅柯婷,任钦泽,刘娜,

单位：上海理工大学机器智能研究院,上海200093；

摘要：提出了一种创新的隐式情绪导向语音驱动方法，用于仿生机器人的面部表情与头部姿态生成。该方法基于深度学习，通过引入颈部舵机控制系数，突破了传统方法仅依赖预编程随机动作序列的局限，实现了音频信号到自然表情的精确映射。此外，提出了一种隐式情绪导向特征融合自编码器框架，无须显式输入情绪参数，即可从音频中隐含地推断情绪特征，并生成丰富的面部表情和颈部运动。实验表明，该方法在多个数据集上显著优于现有技术，并且通过轻量化设计，能够高效适应资源有限的移动设备。

关键词：仿生机器人,音频驱动,情绪导向,卷积长短时记忆网络,

基金资助：国家重点研发计划资助项目(2023YFC3605800)；；