EmoNet-Voice는 AI 시스템의 감정 이해 능력 평가를 위한 새로운 벤치마크 데이터셋입니다. 기존의 음성 감정 인식(SER) 데이터셋의 감정 세분성 부족, 개인정보 보호 문제, 연기된 묘사에 대한 의존성 등의 한계를 극복하기 위해, 4,500시간 이상의 음성 데이터(11명의 목소리, 40가지 감정, 4개 언어)를 포함하는 대규모 사전 훈련 데이터셋 EmoNet-Voice Big과 인간 전문가의 주석이 포함된 새로운 벤치마크 데이터셋 EmoNet-Voice Bench를 제공합니다. 최첨단 음성 생성 기술을 활용하여 특정 감정을 유발하도록 설계된 장면을 연기한 합성 오디오 스니펫을 엄선하고, 심리학 전문가의 엄격한 검증을 거쳐 감지된 강도 레이블을 부여했습니다. 이를 통해 기존 데이터셋에는 없는 민감한 감정 상태를 포함할 수 있도록 개인정보 보호를 준수하는 합성 데이터셋을 구축했습니다. 또한, 인간 전문가와 높은 일치율을 보이는 Empathic Insight Voice 모델을 제시하여 음성 감정 인식의 새로운 기준을 제시합니다. 평가 결과, 분노와 같은 고각성 감정은 집중과 같은 저각성 감정보다 훨씬 쉽게 감지된다는 사실을 발견했습니다.
