针对单一模态情感识别精度低的问题，提出了基于Bi-LSTM-CNN的语音文本双模态情感识别模型算法。该算法采用带有词嵌入的双向长短时记忆网络（bi-directional long short-term memory network，Bi-LSTM）和卷积神经网络（convolutional neural network，CNN）构成Bi-LSTM-CNN模型，实现文本特征的提取，将其与声学特征融合结果作为联合CNN模型的输入，进行语音情感计算。基于IEMOCAP多模态情感检测数据集的测试结果表明，情感识别准确率达到了69.51%，比单一模态模型提高了至少6个百分点。

[语音情感识别, 卷积神经网络（CNN）, 长短时记忆网络（LSTM）, 特征融合]

[王兰馨, 王卫亚, 程鑫]