情绪分析

概述

什么是情绪分析

情绪分析是一种从语音中分析说话人情绪并输出的功能。AmiVoice API 使用 ES Japan 公司的 ESAS (Emotional Signature Analysis Solution) 情绪分析引擎从语音中返回情绪参数。ESAS 是基于以色列 Nemesysco 公司提供的最新情绪分析引擎"LVA7"，针对日本市场进行调整的情绪分析引擎。有关技术背景，请参阅 ES Japan 公司的网站。

关于API

在 AmiVoice API 中，通过在语音识别请求时将选项参数 sentimentAnalysis 设置为 True，可以获取 ESAS 输出的情绪参数。对于 ESAS 判断为发话的语音段，大约每 2 秒输出一次包含 20 个情绪参数的数组。

结果在响应中的 sentiment_analysis 中获得。

    "sentiment_analysis": {
      "segments": [
        {
          "starttime": 10,
          "endtime": 20,
          /* 情绪参数 */
        },
        {
          "starttime": 100,
          "endtime": 200,
          /* 情绪参数 */
        },
        /* 省略 */
      ]
    },

关于情绪参数，请参阅后述的情绪参数列表和情绪参数的含义及说明方法。此外，可以使用 API 获取响应中的参数名称。

备注

情绪分析仅支持异步 HTTP 接口。

警告

在异步 HTTP 接口的新版本（v2）中，目前无法使用情感分析功能。如果要使用情感分析，请使用传统版本（v1）。另外，如果尝试在 v2 中使用情感分析功能，将返回 invalid parameter (sentimentAnalysis must be False. sentiment analysis is currently not implemented) 的错误消息。我们计划在 v2 中最迟于 2026 年 7 月 31 日前实现情感分析功能。（请注意，实施时间可能会有变化）

使用方法

请求

要获取情绪参数，需要在语音识别请求时将 d 参数设置为 sentimentAnalysis=True。

例如，在不使用情绪分析的情况下，使用 curl 命令通过通用引擎识别 AmiVoice API 示例程序中附带的音频时，执行以下命令：

curl https://acp-api-async.amivoice.com/v1/recognitions \
     -F d="grammarFileNames=-a-general" \
     -F u={APP_KEY} \
     -F a=@test.wav

要启用情绪分析功能，请按以下方式修改：

curl https://acp-api-async.amivoice.com/v1/recognitions \
     -F d="grammarFileNames=-a-general sentimentAnalysis=True" \
     -F u={APP_KEY} \
     -F a=@test.wav

响应

如果请求成功，请定期检查Job状态直到获得结果。详细信息请参阅异步 HTTP 接口的"2. 检查语音识别Job状态并获取结果"。

以下说明启用情绪分析功能时的结果响应。

成功时

情绪分析结果在 sentiment_analysis 中获得。

对于情绪分析引擎判断为发话的语音，大约每 2 秒输出一次 20 个情绪参数。sentiment_analysis.segments 包含这些情绪参数按时间顺序排列的数组。每个元素包含相对于语音开始时间为 0 的毫秒单位的相对时间信息，包括开始时间(starttime)、结束时间(endtime)以及与该时间对应的情绪参数。

响应示例：

{
    "audio_md5": "40f59fe5fc7745c33b33af44be43f6ad",
    "audio_size": 306980,
    "code": "",
    "message": "",
    "segments": [
        {
            "results": [
                {
                    "confidence": 0.998,
                    "endtime": 8794,
                    "rulename": "",
                    "starttime": 250,
                    "tags": [],
                    "text": "アドバンスト・メディアは、人と機械との自然なコミュニケーションを実現し、豊かな未来を創造していくことを目指します。",
                    "tokens": [
                        {
                            "confidence": 1,
                            "endtime": 1578,
                            "spoken": "あどばんすとめでぃあ",
                            "starttime": 522,
                            "written": "アドバンスト・メディア"
                        },
                        {
                            "confidence": 1,
                            "endtime": 1834,
                            "spoken": "は",
                            "starttime": 1578,
                            "written": "は"
                        },
                        /* 省略 */
                    ]
                }
            ],
            "text": "アドバンスト・メディアは、人と機械との自然なコミュニケーションを実現し、豊かな未来を創造していくことを目指します。"
        }
    ],
    "sentiment_analysis": {
      "segments": [
        {
          "starttime": 10,
          "endtime": 20,
          /* 情绪参数 */
        },
        {
          "starttime": 100,
          "endtime": 200,
          /* 情绪参数 */
        },
        /* 省略 */
      ]
    },
    "service_id": "user01",
    "session_id": "018160cbe43f0a304474a999",
    "status": "completed",
    "text": "アドバンスト・メディアは、人と機械との自然なコミュニケーションを実現し、豊かな未来を創造していくことを目指します。",
    "utteranceid": "20220614/15/018160cc54ee0a3044b539d0_20220614_150012"
}

情绪分析结果为空时

如果没有足够长度的语音进行情绪分析，sentiment_analysis 的 segments 将是一个空数组，如下所示：

sentiment_analysis": {
      "segments": []
}

可能是因为发送的数据不包含语音，或者音量太小而无法进行情绪分析处理。请检查发送数据的音量。

例如，可以使用 Audacity 等能够显示音量波形的应用程序来检查音量。以下是音量级别太小的示例。在信号最大值为 1 的比例中，音量级别大约在 0.05 左右，但需要再稍微提高一些。例如，请以超过 0.1 为目标调整录音音量。

图. 关于情感分析的音量级别

失败时

如果由于某些原因情绪分析处理失败，sentiment_analysis 将设置如下 code、error_code 和 error_message：

示例:

"sentiment_analysis":{"code":400,"error_code":"BAD_REQUEST","error_message":"file format is invalid"}

错误时响应列表

错误时的响应如下表所示：

code	error_code	error_message	说明
400	BAD_REQUEST	file format is invalid	音频文件不存在或格式不正确
500	INTERNAL_SERVER_ERROR	internal server error has occurred	内部服务器错误
	INTERNAL_SERVER_ERROR	internal server error has occurred before processing sentiment-analyzer	内部服务器错误

获取情绪参数列表

可以通过向 https://acp-dsrpp.amivoice.com/v1/sentiment-analysis/ja/result-parameters.json 发送 GET 请求来获取响应中包含的 20 个情绪参数列表。

示例:

$ curl -H "Authorization: Bearer {APPKEY}" \
       https://acp-dsrpp.amivoice.com/v1/sentiment-analysis/ja/result-parameters.json

有关此 API 的详细信息，请参阅参考中的情绪分析 API。情绪参数的含义将在后续章节中说明。

关于情绪参数

情绪参数列表

有 20 个情绪参数。下表总结了每个参数的最小值、最大值以及值越大是否倾向于积极或消极等趋势。

参数名	最小值	最大值	值的趋势
能量	0	100	-
压力	0	100	消极
感性平衡理性	1	500	-
集中	0	100	-
期待	0	100	-
兴奋	0	30	积极
犹豫	0	30	-
不确定	0	30	-
思考	0	100	-
想象力	0	30	-
困惑	0	30	消极 (`*1`)
热情	0	30	积极
脑活动	0	100	-
自信	0	30	-
攻击性愤怒	0	30	消极 (`*2`)
氛围对话倾向	-100	100	-
动摇	0	30	消极 (`1`,`2`)
喜悦	0	30	积极 (`*2`)
不满	0	30	消极 (`*3`)
极端波动	0	30	-

所有值都是整数类型(int)。
关于响应中包含的 JSON 参数名与上表参数名的对应关系，请参阅获取情绪参数列表。

关于值的趋势

积极：值越大，表示可能更倾向于积极反应的参数
消极：值越大，表示可能更倾向于消极反应的参数
其他(-)：值大小会改变含义的参数，或不容易简单分类为积极/消极的参数
*1：无论数值大小，都被归类为消极。
*2：很少取大于 0 的值，因此如果大于 0，可以视为高值。
*3：如果与攻击性愤怒同时发生，可能表示愤怒的表达，有时被视为"发泄"的倾向。例如，在大声呵斥的情况下可能会出现。

情绪参数的含义和说明方法

下面说明情绪参数的含义和解释方法。情绪参数的平均值、波动以及判断值是否高于或低于正常水平的阈值因使用环境而异。因此，请收集一定期间的样本后再做判断。

提示

建议首先关注重要指标，即能量、压力和感性/平衡/理性。

能量

这是情绪参数中最基本的指标。根据值的范围，其含义和说明会有所不同。在高区域，表示情绪高涨，非常有活力。另一方面，在低区域，可能表示缺乏兴趣(无聊)、缺乏同理心、睡眠不足(困倦)等身体不适。通常取值接近 0，是一个变化相对缓慢的参数。

值的趋势

值的范围	说明
0 ～ 10	低区域表示情绪低落、无聊、疲劳、悲伤 ※如果持续检测到低值，也可能表示工作积极性下降等
11 ～ 20	表示正在进行舒适的对话
21 ～ 40	表示对话热烈 ※并不一定是积极指标，也可能是伴随着负面不满或愤怒的热烈对话
41 ～ 100	高区域表示情绪高涨，非常有活力 ※并不一定是积极指标，也可能是愤怒等情绪

压力

这是表示压力和精神负担的情绪参数，也是一个基本指标。高区域表示压力和精神负担较高。基本上取值接近 0，是一个变化相对缓慢的参数。

值的趋势

高区域 表示说话者承受着基本的压力和精神负担

如果在一周/一个月内持续检测到高数值，无论对话性质如何，都表明说话者很可能承受着根本的心理负担，暗示工作积极性下降或离职风险
如果高于通话平均值且持续发生，往往不会导致积极的决策或响应结果例)商谈成功、购买、合同申请等

感性/平衡/理性

表示内容是与感性(情绪)思维相关还是与理性(冷静)思维相关的平衡指标。根据发生区域，表示是感性(情绪)言论还是理性(冷静)言论。

在进行各种分析时，可以用于将说话者分类为三种情绪类型，并根据每种类型考察参数。

数值趋势

数值范围	说明
1 ~ 65	理性
65 ~ 85	平衡
85 ~ 500	感性(情绪)

集中

表示说话者集中程度的指标。这是一个在短时间内可能从接近下限值的值上升到接近上限值的值，或从接近上限值的值下降到接近下限值的值的参数。

数值趋势

如果高于通话平均值且持续发生，也暗示这是说话者的重要点
通常，在呼叫中心等的对话(特别是商谈等)中，"集中"的上升可以解释为是一种理想的趋势

期待

表示对某事发生的期待的指标。高区域可能表示积极的期待或消极的期待。基本上以低值发生，但有时会出现突出的高值。

数值趋势

高区域积极
- 暗示希望如何传达给对方的期待
- 如果高于通话平均值且持续发生，暗示有帮助对方的意愿，即所谓的前倾姿态响应
高区域消极
- 暗示夸张、诱导或操纵
- 高区域不等于说谎，而是暗示背后有意图的有意识发言

兴奋

表示兴奋或高涨程度的指标。基本上取相似的值(约15)，变化相对缓慢，但有时会出现突出的高值。

数值趋势

用作考察引起兴趣等对话意愿程度的指标
对产品购买等重要决策有影响

犹豫

表示对发言犹豫程度的指标。基本上取相似的值(约15)，是一个变化相对缓慢的参数。

数值趋势

如果高于通话平均值且持续发生，暗示对发言有犹豫，感到愧疚或不安。与压力一样，对决策有负面影响。

不确定

表示缺乏自信的指标。基本上取相似的值(约15)，变化相对缓慢，但有时在短时间内可能从接近下限值的值上升到接近上限值的值，或从接近上限值的值下降到接近下限值的值。

数值趋势

如果高于通话平均值且持续发生，暗示缺乏自信、焦虑、理解或情况把握不足、不信任感。与压力一样，对决策有负面影响。

思考

表示边思考边发言状态的指标。基本上经常取接近0的值，是一个变化相对缓慢的参数。

数值趋势

如果高于通话平均值且持续发生，暗示在发言时在思考，可能正在进行建设性对话，或对话可能比较复杂
如果双方说话者都高且持续，可能暗示对话中的共识或沟通遇到困难

想象力

表示回忆或想象并丰富图像程度的指标。高区域暗示在说明某事时，对事物的传达方式发挥了想象力。也用作推测发言依据是基于事实和记忆还是想象的指标。基本上经常取接近0的值，是一个变化相对缓慢的参数。

数值趋势

高区域积极
- 暗示正在试图理解对方的发言情况
- 在讨论等场合，频繁检测到(活跃)是理想的。
高区域消极
- 暗示可能在搪塞或回答困难

困惑

表示困惑状态的指标。基本上经常取接近0的值，是一个变化相对缓慢的参数。

热情

表示是否从心底表现出兴趣的指标。基本上经常取接近0的值，是一个变化相对缓慢的参数。

脑活动

主要用于调查目的的表示整体脑活动活跃程度的指标。

数值趋势

主要目的是在研究中使用的指标

自信

表示自信程度的指标。

数值趋势

高区域
- 也暗示对说话者来说是已经做出决定的内容。

攻击性愤怒

暗示说话者攻击性的指标。基本上经常取接近0的值，是一个变化相对缓慢的参数。

数值趋势

有时会错误地将不同情绪检测为愤怒，处理时需要注意的验证中参数

氛围对话倾向

与其他参数的说明结合使用，以提高说明可信度的辅助指标。

动摇

表示不满或悲伤的指标。基本上经常取接近0的值，是一个变化相对缓慢的参数。很少出现大于0的值。

喜悦

表示满足、喜悦的指标。基本上经常取接近0的值，是一个变化相对缓慢的参数。很少出现大于0的值。

数值趋势

由于对话中各种心理特性，有时在争论(口角)等情况下也会被检测到
在人在争论中感到愤怒时，通过回击对方来表达、发泄愤怒，结果(在片段单位级别)有检测到的情况

不满

表示高压力和高水平不满组合的指标。值变化频率不高，倾向于连续出现相同的值。

数值趋势

暗示与事前期望的(不良)偏差

极端波动

表示情绪整体变化极限的指标。基本上经常取接近0的值，是一个变化相对缓慢的参数。

数值趋势

不单独使用，而是与其他参数的发生情况结合，用于更准确的考察。例)如果在这个参数高的同时检测到高压力，可能表示正在发生情绪化、冲动性的愤怒状况

概述​

什么是情绪分析​

关于API​

使用方法​

请求​

响应​

成功时​

情绪分析结果为空时​

失败时​

错误时响应列表​

获取情绪参数列表​

关于情绪参数​

情绪参数列表​

情绪参数的含义和说明方法​

能量​

压力​

感性/平衡/理性​

集中​

期待​

兴奋​

犹豫​

不确定​

思考​

想象力​

困惑​

热情​

脑活动​

自信​

攻击性愤怒​

氛围对话倾向​

动摇​

喜悦​

不满​

极端波动​

概述

什么是情绪分析

关于API

使用方法

请求

响应

成功时

情绪分析结果为空时

失败时

错误时响应列表

获取情绪参数列表

关于情绪参数

情绪参数列表

情绪参数的含义和说明方法

能量

压力

感性/平衡/理性

集中

期待

兴奋

犹豫

不确定

思考

想象力

困惑

热情

脑活动

自信

攻击性愤怒

氛围对话倾向

动摇

喜悦

不满

极端波动