Lunes 2 de noviembre de 2026 ·
Evaluar el reconocimiento de emociones en audio cuando la voz y el texto no coinciden en modelos de audio LLM
Los autores estudian qué pasa cuando lo que dice una persona y cómo lo dice expresan emociones distintas, en tres modelos con capacidad de audio. Crean una puntuación de incongruencia sin umbral y la validan con juicio humano. En tres corpus (eNTERFACE'05, MELD y CMU-MOSEI), cuando hay audio la incongruencia aumenta la probabilidad de error en todos los casos. Los clasificadores supervisados se comportan al contrario.
Qué significa
Los asistentes de voz que deben detectar emociones fallarán más cuando el tono y las palabras no encajen. Según el estudio, el problema está en cómo estos modelos combinan la evidencia, no en la señal de audio en sí.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- arXiv cs.AILeer la noticia completa en arXiv cs.AI
También ese día
Todas las noticias de IA del lunes 2 de noviembre de 2026 ->