투명하고 신뢰할 수 있는 모델 구축을 위해 음성 감정 인식(SER)에 대한 설명 가능한 AI(XAI)가 중요합니다. 기존의 시각 기반의 시각화 방법은 스펙트로그램 영역을 강조하지만, 이 영역이 감정의 의미 있는 음향 지표에 해당하는지 보여주지 못해 충실도와 해석 가능성을 제한합니다. 본 연구는 중요한 영역 내 단서의 크기를 정량화하여 이러한 한계를 극복하는 프레임워크를 제안합니다. 이는 "무엇"이 강조되었는지 명확히 하고, 이를 "왜" 중요한지에 연결하여, 중요도를 전문가가 참조하는 음성 감정의 음향 단서와 연결합니다. 벤치마크 SER 데이터셋 실험 결과, 본 연구의 접근 방식이 중요한 영역을 이론 기반의 전문가가 참조하는 음성 감정 음향과 명시적으로 연결함으로써 설명의 질을 향상시켰습니다. 표준 시각화 방법과 비교하여, SER 모델에 대해 더 이해하기 쉽고 타당한 설명을 제공하며, 신뢰할 수 있는 음성 기반 감성 컴퓨팅의 기초 단계를 제시합니다.
