近日，在第二屆多模態情感識別挑戰賽(MER24)上，Soul App語音技術團隊(Soul AI)在SEMI(半監督學習)賽道獲得第一名。
國際人工智能聯合會議(International Joint Conference on Artificial Intelligence,IJCAI)是人工智能領域頂級的國際學術會議之一，也是中國計算機學會(CCF)推薦的A類會議。為促進情感計算在人機交互領域的發展，深入探討該領域最新研究進展、未來發展方向和技術在真實場景中的落地應用，來自清華大學、中國科學院自動化研究所、帝國理工學院、奧盧大學、南洋理工大學等高校的多位專家學者聯合在IJCAI2024上舉辦多模態情感識別挑戰賽MER24，并在ACM國際多媒體會議(ACM International Conference on Multimedia，ACM MM 2024)上組織多模態與可靠性情感計算研討會MRAC24(Multimodal, Generative and Responsible Affective Computing 2024)。
此次多模態情感識別挑戰賽(MER24)上，設置了SEMI(半監督學習)、NOISE(噪聲魯棒性)、OV(開放式詞匯情緒識別)三個賽道，共吸引了來自知名高校、科技企業等近百支參賽隊伍。
其中，SEMI賽道旨在探索和改進半監督學習策略，以便更好地利用未標記數據來提高情緒識別的性能。因當前在實際應用中，獲取大量帶有情緒標簽的數據是困難且成本高昂的，半監督學習是一種減少對標記數據依賴的方法，因此SEMI為大賽中頗受關注、參賽隊伍最多且難度高的賽道，Soul語音技術團隊憑借平臺扎實的技術能力積累和創新技術方案在此賽道中獲得第一名。
一直以來，多模態情感識別在人工智能領域都是一個活躍的研究課題，它的主要目標是整合多種模態來識別人類的情緒狀態。特別是在社交領域，多模態情感識別技術更是重要的一環。社交的本質是情感的流動，只有能夠實現情感的識別，才能讓AI更好的理解人性、情緒和情感，實現理想的人機互動。
Soul定位為新型開放式社交平臺，致力于用底層技術和產品模式創新持續提升用戶的社交體驗。自2016年上線，Soul便不斷思考AI在社交場景的具體落地應用。2020年，Soul啟動對AIGC的技術研發工作，系統推進在智能對話、圖像生成、語音&音樂生成等AIGC關鍵技術能力研發工作。為了讓AI更能理解情緒，為用戶帶來更好的情緒反饋和陪伴感，情感識別是Soul技術團隊關注的焦點之一。
目前，Soul具備多模態情感識別能力的語言大模型 Soul X、語音大模型均已上線，并推出了“AI茍蛋”“狼人魅影”“異世界回響”等功能/產品，相關技術已在AI輔助社交、AI陪伴、AI游戲等多個創新場景中得到應用。
在第二屆多模態情感識別挑戰賽(MER24)上，基于目前平臺自研大模型部分模塊，Soul語音技術團隊重新調整了創新方案參賽，包括提出微調模型EmoVCLIP，用于適應視頻的情感識別;使用Self-training策略，通過循環對無標簽數據打偽標簽與訓練模型之間相互迭代從而提升模型的泛化性能;針對模型不同模態之間融合存在的競爭效應，首次在多模態情感識別領域使用Modality Dropout，有效提高模型情感識別準確率等，最終憑借極高的準確性和泛化性能在比賽中獲勝。
現階段，讓AI“理解”人、實現有情感的人機交互已經成為學界、科技領域關注的焦點。在近日舉辦的ChinaJoy AIGC大會上，Soul 副總裁及產品負責人車斌表示，相比“智商”，社交領域更需要有“情商”的大模型，即需要多模態的、具備擬人化屬性，確保實現情感化、個性化和生活化。
此次多模態情感識別挑戰賽上取得成績，在國際賽事舞臺上展現了Soul的前沿洞察和技術能力。接下來，Soul在推進AIGC在社交場景落地的探索中，將進一步利用多模態情感識別技術能力，讓AI輔助社交、提升關系建立的質量和效率的同時，構建人機交互新場景，讓用戶可以與AI進行更加有溫度、沉浸、趣味的互動交流。
