Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   10 ,  No.   5 ,  Octo be r   2020 ,  pp .  4752 ~ 4758   IS S N: 20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v10 i 5 . pp 4752 - 47 58          4752       Journ al h om e page :  http: // ij ece.i aesc or e.c om/i nd ex .ph p/IJ ECE   Creation  of speec h corpus  for emo tion anal ysis in G ujarati  languag e and its  evalu ation by va rious sp eech para meters       Visha l  P. T ank 1 ,   S .   K .   H ad i a 2   1 V T   Pat el Departm ent   of   Elec tr onic s   and   Com muni cation Engi ne eri ng,   Chandubh ai   S Pa te l   Insti tu te   of   T ec hnolog y   (CSP IT) ,   Charotar  Univer si t y   of   Scie nc e and   T echnolog y   (CHA RUS AT),   India   2 Gujar at Techno logi c al   Univ ersity ,   Indi a       Art ic le  In f o     ABSTR A CT     Art ic le  history:   Re cei ved   N ov  18 , 201 9   Re vised  Ma r  23 ,   2020   Accepte d  Apr   3 , 2 020       In  the   l ast  coup le   of  y e ars  emotion  re cogni t ion   has  prove n  it s  signifi c ance     in  the   area  of   art if ic i al   in tell ige nc e  and  m a n  m ac hine   co m m unic at ion.  Emotion  rec ogni ti on  ca n  be   done   using  spee ch  and  image  (fa ci a l  e xpre ss ion),  thi s  paper  de al s   with  SER  (spe ec h  emotion  re c ognit ion)  on l y .   For  emotion  rec ogni ti on  emo ti onal  spee ch   d at ab ase   is  essen ti al.  In  th is  pap er  we  hav e  proposed  emotio nal   d at ab ase   whi ch  is  d eve lop ed  i n  Gujar a ti   la ngu age ,   one   of   the   offi cial’ s  l a nguage   of  Ind ia.  Th e  proposed  spee ch  cor pus  b ifurc a te   six   emotiona l  st at e s  as:  sadne ss ,   surprise,   a ng e r,   disgust,  f ea r ,   happi n ess.   To  observe   eff e c t  of  diffe ren t  emotions,   anal y s is  of  proposed  Gujar ati  spee ch   dat ab ase   is  c arr i ed  out  using  eff ic i ent   spe ec h  p a ramet ers  l ike   p itch,   ene r g y   and  MF CC usin g  MA TL AB Software .   Ke yw or d s :   Em otion  d et ect ion   from  sp eec h   Energy   Guja rati  langu age   MATLAB  soft war e   MFC C   Pit ch   Copyright   ©   202 0   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Vish al   P.  Ta nk ,    V  T  Patel  D e pa rtm ent o f  Ele ct ronics an d  C omm un ic at ion   En gin eeri ng,   Chan dubhai  S   Pate l In sti tute  of Tech nolo gy  (CSPIT),   Char otar U nive rsity  o f  Scien ce an d  Tec hnol og y  (CH ARU S AT),    Chan ga - 3884 21,   A nand, G uja rat,   I ndia .   Em a il :  vish al ta nk.ec@c harusa t.ac.i n       1.   INTROD U CTION     Sp eec h  an d  fa ci al   exp ressi on  m ai ny  two  m od e  by  wh ic h  people  interact   and   com m un ic at e  to  each  oth e r,   bet wixt  sp eec h  is  best  m od e  fo r  inf or m at ion   exch a nge.  S peech   is  a  com pu nd   sig nal  wh ic h  co ntains     the   sh ar p  detai ls  of   la ngua ge ,  sp ea ker,  em otion,  an d  m e ssag e  [ 1].  It  is  i m po rtance  t o  unde rstan d  r ole  of  diff e re nt  em ot ion s  in  s peec h  becau se  pr e s ecnce  of  em ot ion s  m ake  sp e ech  m or e  natu ral.  Wo r d  “O KAY”   sp oke n  with  di ff e ren t  em otion s  hav e  dif fere nt  m eaning s  and   i nerp retat ion.  H um an  robo t  i nteracti on   can  be   po s sible   in  bett er,  e ff ect ive  a nd  natur al   way  i f  valid   em otion   gets  in vo l ve d  in  a   sp e ech .F inall y  this  help s  in  to  area  of  a rtific ia l i ntell ie nce.   As  m ention  e arli er  em otion s  can  be  per c ei ved   ei the r  f r om   sp eech  or   facial   ex pr es sion   ( im ag e  processi ng),   but  di gnos ti c at e  from   the  sp ee ch  is  c om plicated  ta sk.  By   re cogniti on i ng  e m ot ion s  of  us e rs  a dd   values  in  day  to  day  li fe.   Em ot ion   rec ogni ti on   ta sk   is  us efu l  in  day  to   day  li fe  in  sever al   ways  li ke,   li e  detect ion   syst e m   [2 ] ,  au dio/ vid eo   retrie va l  [3 ,  4],  a rtific ia l  intel li gen ce  an d  r oboti cs,  assig n  pr i or it y  to   custom ers  in  va rio us   cal l - cen te rs,   im pr ov e d  diag no sti c  to ol,  intel li gen t  te aching /t uto ri ng   syst em ,  la ng ua ge   conve rsion,  im pro ved   c om pu te r  gam es,  s m art  car  boar d  s yst e m   and   so rt ing   of  voic em ai l/   m essages.  Su c h  util is at ion s m a ke  em otion   rec ogniti on fro m  sp eec h  as  best  researc h  t op ic  i n  the  f ie ld  of s peech p r ocessi ng.   To  ha ve  a  spe ech  databa se   is  essenti al   i n  process  of   sp eec h  em ot io n  recog niti on   as  sh ow n  in    Figure  1  [ 5].  Re searche rs  a nd   sci e ntist s  hav e  de velo pe d  sp eec h  c orpor a  inv ari ou s  la ngua ges  li ke  En glish,  Ger m an,   Chin ese,  Spanis h,   J apan e se,  Ru ssian,  S we dish,  a nd   Ital ia n  et c  [ 6].  The re  are  f ew  sp e ech  dat abases   avail able  f or   offici al   Indian   la nguag es  li ke   Hindi,  Tel ugua  a ndMa ly al a m   [7 ] .  As  pe r  auth or  pe rc eption,   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Creati on o f  spe ech c orpu s  fo r emoti on  anal ysi s in Gu j arati  langua ge ... ( Visha l  P.  Tank )   4753   sta nd a rd  s peec h  c our pu s   is  not  a vaila ble  in   G uj a rati l  la ng uag e   ( offici al   la nguag e   of  I ndia )  [ 8,   9].  In  this  pap e r, we  are  i ntr oducin g  t he speec h databse  r ec orded in  G uj a rati  lan gu a ge  for  em otion r ecognit ion.   It  is  ver y  i m po rta nt  to  know  how  well   the  sp eec h  c o r up s  is  pr e par e d  an d  he nce  it s  analy sis  is    pr im e  ta sk   [10 ] .  To  a naly se  s peech  feat ur es   are  ext racted  a s  desc ribe d  la te r.   Em otion   s pe ci fic  inf or m ation   i s   al ways  present   at   excit at ion   s ource,  vocal   tr act ,  an d  li ngui sti c  le vels.  I ndividu al   em otion s  hav e   a  cl ear   eff ec t   on   sp eec h  s poke n  by  hum an  an d  it   can   be  obse rv e d  by  evluati ong  va rio us   para m et ers/featur es  li ke     MFC C  [11,   12] ,  pitch ,  ene r gy  et c.  The  m ention  featu res   are  extracte d  from   pr posed  Guja rati   datab ase  to    see  the   ef fects  of  var i ous  e m ot ion s  a nd  it ’s   descr i be d  i n  t his  pap e r.   The   pa per  is  m et ho dical   as   fo ll ows:    1)  i ntrod uctio n ,   2)   process   of   s peec h  e m ot ion   rec ogni ti on   (S ER ) ,   3)   Guja rati   la ngua ge  an d  it s  roots ,     4)   creati on   of   e m otion al   sp ee ch  datab ase  f or  G uj a rati   la nguag e ,   5)  analy sis  of   sp eec h  c orp us   us i ng   s pe ech  par am et ers,  6)  discuss i on a nd  con cl ud i ng r e m ark s,  a nd  7) re fer e nces.       2.   BASI C  F RME WORK OF   SPEE CH E M OTION  R E C OGNIT IO N  ( SER)   T h e   p r o c e s s   o f   s p e e c h   r e c o g n i t i o n   f r om   s p e e c h   c a n   b e   u n d e r s t o o d   a s   s h o w n   i n   F i g u r e   1.     T h e   p r e r e q u i s i t e   o f   a n y   S E R   s y s t e m   i s   s u i t a b l e   e m ot i o n a l   s p e e c h   d a t a b a s e .   C o u p l e   o f   r e s e a r c h e r s   h a v e   d o n e   r e v i e w   f o r   a v a i l a b l e   s p e e c h   d a t a b a s e   f o r   S E R   i n   v a r i o u s   l a n g u a g e s   l i ke   G e r m a n ,   S p a n i s h ,   E n g l i s h ,   e t c a n d  m a i n l y   i t   i s   c a t e g o r i z e d   i n   s i m u l a t e d   d a t a b a s e   ( a c t o r   g e n e r a t e d ) ,   e l i c i t e d   d a t a b a s e   a n d   n a t u r a l   d a t a b a s e   [ 1 3 ] .   Fr om   this  a vaila ble  data base  on e   has  t o  e xtr act   featu res  fro m   database.  S uitable   f eat ur e   sel ect ion   i s   an  im po rtant  ta sk   beca us e  i t  carries  inten ded   i nfor m at i on   a nd  it   dec ides  overall   e ff ic ie ncy  of  s yst e m .   Gen e rall y  thre e  kinds  of  feat ur es  a re  ext rac te d  from   database  1)   E xcita ti on   Sour ce  feat ur es  li ke  L P  re sidu al ,   glo tt al   excit at ion  sig nal,  2)  V ocal  trac k  featur es   li ke  MFC C,  LPCC   3)  pr os odic   featu res   li ke  pitch,  f orm ants  4) H yb rid  f eat u res  [1 4,   15] .   Var i ou s   cl assif ie rs  li ke  GMM  (G a us sia n  m ixtur e  m od el ),  H MM   ( hidde n  Ma rkov  m od el )  are   trai ne d  by  extra ct ed  f utures  in   it   will   decide  the   s pecific  em otion .  N or m al ly   c hoos i ng   of  a  pa rtic ular  cl assi fier  is  base d  on   e xperim ental  resul ts  or   thu m b  r ule.  G ene rall y  cl assifi ers  are  cat egorized   in  li near   cl assifi ers    (N ai ve  Ba ye s c la ssifie r)  a nd  nonlinea r  cl assi f ie rs  ( GMM,  H MM )  [ 16, 17].       3.   GUJA R ATI L ANGU AGE  A ND ITS  ROO TS   Twe nty  two  of fici al   la ng ua ge s  are  re ported  accor ding  to  ei gh t h  Sc hedule  of   Indian  c o ns ti tuti on   an d  Guja rati   is  par t   of  it   an d  m ajo rity   sp oke n  in  Guja rat  sta te   in   India.  As  per  li te ratur e,  G uj a r at i  is  approxim at el y  700  ye ars  old   and   or i gn ia te s  from   ind o  Eu r op ea n  fam il y  b efor  11 00   to  1500  AD .  G uj a r at i  is  widely   s poke n  la nguag e   in  India  by  n um ber  of   native  s pe aker s ,  s poke n  by  55. 5  m illi on   s peak e rs  whic h  in her e ntly   about   4.5%  of   t he  to ta l  In dia n  popula ti on   with  6th   ra nk.  It  is  th e  m os t  widely   spok e n  la ng ua ge  in  t he  w or ld  by  nu m ber   of  native  s pea ker s   as   of  2007  with  a  ra nk  of  26  [ 18 ] .   G ujarati   i s  the  offici al   la ngua ge  i n  c ount ry  of   India.  G ujarati   is  the  24 th  ra nk e d  la ng uag e   sp oke n  by  56 .4   m illi on   people  in  the  w orl d  an d  w hich  m akes  0.732 %   of  t otal world  po pu l at ion   of worl d as o n  Ma rch 2 019.  T he  locat i on of  Guja rat is sh own  in Fi gure  2.   Accor ding  to  ref ere nce  an d  avail able  li te rat ur es ,  ACS  ( A m erican  Com m un it y  Su rv ey )  data  by  USA   Ce ns us  Bu rea u  repo rted  t hat  4.34  la kh  of   popula ti on  s pea k  Gujarat i  la nguag e   as  on  20 17.  O ut  side   t he   India,  Guja rati  is also w idely  sp oke n i n  countries li ke  U nite d  Stat es, Cana da,  Bri ti sh  an d  s poke n  to a lesser ext ent in   China  ( par ti c ul arly   Ho ng  K ong),  I ndonesi a,  Sin gapor e ,  Au st rali a.Th is   m akes  groun d  trut h  to  car ry  ou t  researc h w ork i n  G ujarati  lan gu a ge [ 19 ] .           Figure  1.   Ba sic  f ram ework f or em otion  sp eec h    recog niti on   fro m  sp eech       Figure  2.   Locat ion   of  Gujar at   Stat e in In dia  avail able in   W i kip e dia   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  5 ,  Oct ob e r 2 020  :    47 52   -   47 58   4754   4.   CR E ATIO N OF EM OTIO NA L  GUJ ARATI SPEE CH CO RP US   Sp eec h  co rpus  can  be  c reated  in  var i ous  way s  li ke  act ed,   na tural,  in duced  et c  [2 0,  21] .  I n  this  pap e r   create d  G uj a rat i speec h  c orpus is act ed  m od e  [22 ] . T he  pro c ess is de scri be d belo w.     4.1.   Reco r ding   me th od   As  s how n  in   Figure  3  re cordin g  is  pe rfor m ed  us in g  m ob il e  phon es.  The  dista nce  bet wee n    the  sp ea ker   a nd  the  m ob il e  phone  is  m ai nta ined  ar ound  20  centim et er.  To   m ake   a  com mo n  platfo rm   between  al l  reco rd i ngs  on ly   Len ovo  ( VI BE  K 5  note )  is  util iz ed.   Fo r  rec ordi ng,  aud i o  rec order  app li cat ion   is   us e d  wh ic h  is  in buil t  in  phone .  Re c ordin g  is done w it h  rate o f  sa m pl ing   f re qu e ncy  is  44 100H z  an d  s up e rio r  qu al it y  with  wav file  ( *.wav).     4.2.   Co m posi tion  of pr op ose d  G uj ar ati  em ot io na l spe ech  C or pus:   The  pro po se d  database  is  re corde d  us in g  9  arti sts  (6   m al e  and   3  Fe m al e)  wh o  a re   exp e rtise   in   DRAM ATI CS .  Th e  rec ordin g was  done  i n qui te  sing le  ro om at  Anand,  Gu ja rat (stat e),  In di a. A ll  the   s pea ker s   are  in  t he  a ge   gro up  of  20 - 25  ye ars.   For  analy zi ng   em otion s,  24  diff e ren t  wor ds   ar e   recor ded  wit h  six   diff e re nt  em oti on s  a s  sho wn   Table  1 .  Each  of   the  sp ea kers/ arti sts  has  to   sp eak  t he  24  words  in  6  em otions.   Sp ea ker s  w e re  well  aw a re a bout the t r ai ning  set s and  wor ds .   Table  1   c on ta i ns   in form at ion   about  rec orde d  24  w ords  i n  Gu a j arati   la ngua ge  a nd   it s   sequ e nce .  Selc ti on   of  ea ch  w ord  is  done  s o  that  it   cov e rs  e ntire   range  of  Guja rat i  phonem e s  and   it s  var i abili ty .   Each  em otional   file   is  store d,   num ber ed  a nd  la belle d  i n  the  com pu te r   with  a ppr opriat e  e m otion al   sta te .   Table  2  c on ta i ns  si x  em otional   sta te s an d i ts seq ue nce  nu m ber, li ke:   02 - 03 - 05. wa v (02 is s pea ker - 2,   03 is em otion - 3, 05 is  w ord - 5)   04 - 05 - 20. wa v (04 is s pea ker - 4,   05 is em otion - 5, 20 is  w ord - 20)   Total   1296  e m ot ion al   sp ee ch  sam ples  (9  us ers *24  w ords *6  em otion s)  are  r eco rd e d  with  si x  di ff e ren t   e m otion al  clas ses.       Table  1.  Rec orded 2 4 w ords  i n Guja rati  languag e  and its  En glish m eaning   Serial  No .   Gu jarati  W o rd   Ap p rop iate E n g lish  M eani n g   1     Pride   2     Tr y   3     Proo f   4     Ou t   5     Go d   6     Co u n ten an ce   7     An y  How   8     Ksh triy a   9     Rev o lu tio n   10     Ego   11     W eapo n   12     Un eq u al   13     Garnis h ee Or d e r   14     Co n tin u o u s   15     False   16     Glo ry   17     Manif esto   18     Moles tatio n   19     Fast   20     Step   21     I m p o ster   22     Co m p ain t   23     Ch eatin g   24     Bo tto m   Price       Table  2.   Six e m ot ion s i n Guajarati  a nd it s  En glish m eaning   Serial  No .   E m o tio n  in Gu jara ti   Ap p rop iate E n g lish  M eani n g   1     Sad n ess   2     Su rprise   3     An g er   4     Disg u st   5     Fear   6     Hap p in ess   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Creati on o f  spe ech c orpu s  fo r emoti on  anal ysi s in Gu j arati  langua ge ... ( Visha l  P.  Tank )   4755       Figure  3. Re co rd i ng of s peec h database  u si ng m ob il e phon e       5.   E X PERI MEN T RES ULTS   Sp eec h  sig nal  is  a  de nouem e nt  of  ti m e  var yi ng   vo cal   tra ct   syst e m   agitated  by  t he  ti m e  var yi ng   excit at ion   s our ce  sign al .  Hence forw a r d  sp e ech  feat ur es  a r e  pr ese nt  in  both  vocal   tract   syst e m   and   exci ta ti on  so urce  cha ract erist ic s.  In   this   pap er  cl assifi c at ion   is  ob se rved  by  three  di f fer e nt  par am eter s  Ene rg y,  M FCC   1  to  13  an d  Pit ch  [23].  E ach   pa ram et er  is  ev al uated  a nd  s how n  Sp ee ch   pa ram et er  Vs  U sers  (Spea ker s )  f or   diff e re nt  em oti on  in Grap h  f orm   and   in div i dual   s peak e rs  a nd  it s  in div i du al   value s  a re p re sented   in   t a ble f orm .   Com plete  ev al uation i s car rie d  in  MAT LAB  softwa re  par ti cularly  R2 015b  ver si on.   Ener gy:   T his  can  be  c onsid ered   as  c ru ci a l  par am et er  fo r  S ER  (Spee ch  em otion   re cogniti on).   Norm al l y  ener gy  range  or  val ue  is  low  f or   th e  sadn es s  (em otion - 1),  dis gu st   (em otion - 4),  f ear  (em otion - 5)  an d  high  ra nge  or  value   f or   t he   joy  (em otion - 6),  a nger  (e m ot ion - 3)  an d  surp rise  (em otion - 2).   En er gy  le vel  evaluati on  of  i nd i vidual  us er   is  show n  in  gr aph  a nd  val ues   are  pl otted  in   norm al   scal e.  Durin g  a naly sis  f ram e   siz e  is  k ept  with  160  sam ples  and   norm al i zed  in  the  ra nge  of  (+1,  - 1).   Energy  of   a  s peech   si gn al   c an  be  fin ding  ou t  by  us in g  t his equa ti on :     = ∑ | [ ] | 2 − ∞ ∞     MFC C  ( Mel  fre qu e ncy  c est ru m  c oeffi ci ents ):   MFC C   is  widely   use d  feat ur e  f or   em otion   cl assifi cat ion .  MFC C  purely   descr i bed  the  s hap e   of  vo cal   t rack   i n  f orm   of   sho rt  pow er  s pectr um .   Evaluati on   of   MFC C  is  carried  ou t  as  fo l lows :  1)  div i de   the  sp eech  sig nal  into  short  f ram es,  2)   fo r  e ach  fr am e  fo re cast  the  pe rio dogra m   and   est im at e   the  po wer   s pe ct ru m ,  3)   a ff ix   the  m el   fi l te r  ba nk  to  the   po w er  spe ct ru m ,  4)  su m   the  energy  in  each  filt er  finall y  ta ke  the  log arit hm   of   al l  fi lt er  bank  energies.  ta ke  the  discret e  cosine  trans form   of   th e  log  filt er  bank  e nergies,  5)  keep  DCT   coe ff ic ie nts  2 - 13,  and  ab dicat e  re st ,  an d  6)  the  outp u t  of  the  filt ers  f r om   each  fram e   is  us e d  a s  feat ur es   an d  ce nter   fr e quencies   of   the  filt ers  are   us e d  in   Me l  sc al e  by  us in g  t he  e qu at ion   [ 24 ] .      ( ) = 2595 × log 10 ( 1 + / 700 )     Fo r  t he  ap pr ai s al   of   the  Me l  f reque ncy  sp ect ru m ,  24   tria ng ular  filt er  ba nk s  are  accum ulate d.   The se  filt ers  com pu t e  the  s pectr um  ar ound  eac h  center  fr e quen cy   with  i ncr ea sing  ba ndwi dth s.   I n  t his  ev a luati on     of   MFC C  1  to   13   feat ur es  is   sh own  in  Ta bl e s  3 – 5 .  For  r efere nce  he re  ob s er vation  of  MFC C - 1,   MF CC - 2,    and   MFC C - 3  are  show n  ot he rw ise   in  act ua l  al l   the  par am et ers  MFC C - 1  to  MFC C - 13   are  e valuat ed  in     sam e  m ann er.     Pit ch:   Pit ch  is   al so   an oth e r  us ef ul  pa ram eter   w hich  c onve ys  con si der a bl e  inform ation   for  em otion   cl assifi cat ion .  Table  6   an d   Figure   4  sho w  evaluati on  of  it   [25].   In   fi gure  ind ivi du al   use r   wise  energy  values   cal culat ed  an d  plo tt ed  agai nst   resp ect ive  e m otion s.  As  sh ow n  in  fig ure  three  em oti on s  a nger,  s urpr ise ,   happine ss  a re  higher   ene rg y  band  em otion s   an d  disgust,  s adn e ss,  fear   ar e  fall s  un der  lowe r  e nergy  ba nd .   Figure  cl ea rly   show s  the   se par at io n  of  e m ot ion s  us in g  ene rg y  pa ra m et er  of  sp ee ch.   Seco nd  i m po rtant  par am et er  pitch  val ues  are  e valuated  a nd  it s  values  are  repor te d  as  s how n  in  fig ur e .   Her e  the  range  of     the  pitch  valu es  are  as  f ollow i ng.Sa ndnes s  (21 4 - 118  H z),  S urpr ise   ( 208 - 15 2  Hz ),   Ange r  ( 211 - 16 5  Hz ),   Disgust  (19 4 - 140  Hz ),   Fea r   (2 18 - 13 9  Hz),  Happine ss  ( 194 - 13 8  Hz).  Me ntion   value s  cl early   distin guis h  e m otion s.  Our  intenti on of cal culat ing  M FCC  is em otion  classi ficat ion .     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  5 ,  Oct ob e r 2 020  :    47 52   -   47 58   4756   Table  3 .   E val ua ti on   of MFC C - 1 val ues for  G uj a rati  sp e ech   database       Sp eaker   1   Sp eaker   2   Sp eaker   3   Sp eaker   4   Sp eaker   5   Sp eaker   6   Sp eaker   7   Sp eaker   8   Sp eaker   9   Sad n ess   5 4 .14 6 5   5 5 .63 4 5   5 1 .55 1 9   5 0 .27 6 7   5 1 .83 4 6   5 5 .13 5 7   4 9 .07 4 5   6 2 .81 9 9   5 6 .07 8 9   Su rprise   5 5 .53 1 4   5 9 .13 9 9   5 4 .69 4 9   5 0 .95 5 6   5 3 .62 9 7   5 3 .53 2 9   5 1 .42 2 9   6 2 .61 1 7   5 6 .09 0 3   An g er   5 9 .96 1 1   5 3 .94 5 1   5 3 .35 9 7   5 5 .37 2 6   5 6 .62 7 0   4 9 .62 9 3   5 3 .94 3 0   5 8 .22 1 3   5 7 .59 5 9   Disg u st   5 6 .21 8 1   5 2 .74 5 5   5 5 .19 1 1   5 0 .37 9 0   5 1 .70 3 5   5 1 .44 7 4   5 0 .67 2 9   5 9 .87 5 0   5 8 .83 6 7   Fear   5 7 .74 0 5   5 4 .66 1 1   5 1 .53 4 3   5 3 .12 2 8   5 5 .72 4 6   4 9 .18 6 5   5 1 .13 9 2   5 3 .03 3 7   5 8 .35 6 5   Hap p in ess   6 0 .19 3 7   5 4 .61 3 1   5 9 .14 6 6   5 4 .38 8 0   5 4 .59 6 6   4 9 .10 5 5   5 1 .64 7 1   5 2 .73 5 3   5 7 .03 8 8       Table  4 .   E val ua ti on   of MFC C - 2 f or Gu j arati   sp eec h databas e       Sp eaker  1   Sp eaker  2   Sp eaker  3   Sp eaker  4   Sp eaker  5   Sp eaker  6   Sp eaker  7   Sp eaker  8   Sp eaker  9   Sad n ess   - 2 .22 3 8   0 .97 0 6   - 2 .93 3 0   - 1 .85 9 8   - 0 .57 9 6   - 1 .60 8 0   - 0 .50 7 1   - 3 .98 2 8   - 4 .85 2 8   Su rprise   0 .32 8 2   0 .98 2 4   - 0 .93 3 7   - 0 .37 3 2   - 0 .94 6 0   - 3 .26 3 5   - 1 .08 8 8   - 2 .10 7 0   - 4 .23 2 4   An g er   - 0 .33 5 5   - 2 .28 8 4   - 2 .38 8 9   - 1 .44 4 3   - 1 .00 1 8   - 5 .79 8 1   - 0 .59 1 3   - 3 .95 9 0   - 4 .41 2 1   Disg u st   0 .29 9 9   - 1 .00 2 4   - 2 .15 2 2   - 1 .14 7 2   - 0 .90 0 3   - 2 .11 0 4   - 0 .90 3 0   - 2 .66 2 5   - 5 .95 7 2   Fear   1 .70 6 6   - 3 .89 3 5   - 3 .07 0 8   - 2 .27 1 3   - 0 .63 9 3   - 3 .42 0 3   - 2 .91 6 9   - 4 .34 1 3   - 5 .03 4 5   Hap p in ess   0 .43 1 1   0 .07 4 1   - 2 .67 3 1   - 2 .23 0 2   - 1 .21 0 4   - 4 .44 2 7   - 2 .61 0 7   - 4 .11 2 4   - 5 .87 4 7       Table  5 .   E val ua ti on   of MFC C - 3 f or Gu j arati   sp eec h databas e       Sp eaker  1   Sp eaker  2   Sp eaker  3   Sp eaker  4   Sp eaker  5   Sp eaker  6   Sp eaker  7   Sp eaker  8   Sp eaker  9   Sad n ess   0 .19 3 3   1 .08 2 0   - 0 .56 5 6   - 0 .27 3 4   - 0 .14 9 5   0 .35 6 6   1 .69 0 3   - 0 .43 1 3   0 .61 7 2   Su rprise   - 0 .51 1 4   0 .96 4 9   0 .05 3 7   - 1 .49 3 0   0 .31 2 2   2 .82 2 9   1 .68 4 7   - 2 .26 2 8   0 .08 4 9   An g er   - 2 .24 0 6   2 .01 0 9   - 0 .58 7 4   1 .79 5 7   - 0 .59 9 9   1 .19 6 7   2 .35 8 5   1 .47 7 5   1 .68 4 0   Disg u st   0 .16 4 3   0 .60 1 5   0 .48 8 7   0 .90 4 6   0 .42 9 3   3 .24 0 5   2 .94 3 0   - 1 .94 9 1   3 .09 9 1   Fear   - 0 .14 4 0   2 .84 5 7   - 1 .13 2 8   2 .53 3 6   - 0 .72 8 0   2 .18 3 8   0 .99 2 0   - 0 .63 3 9   1 .85 7 2   Hap p in ess   2 .62 6 1   0 .96 2 5   2 .02 3 1   0 .08 7 8   2 .44 7 1   2 .42 4 8   2 .59 3 0   1 .50 6 7   2 .53 1 7       Table  6 .   E val ua ti on   of  pitch  val ues  f or  Gujarat i speech  d at a base       Sp eaker  1   Sp eaker  2   Sp eaker  3   Sp eaker  4   Sp eaker  5   Sp eaker  6   Sp eaker  7   Sp eaker  8   Sp eaker  9   Sad n ess   2 1 0 .0982   2 1 4 .0308   1 8 4 .1606   1 6 5 .6608   1 7 3 .5516   1 5 7 .7194   1 1 8 .7337   1 3 5 .0328   2 1 0 .1995   Su rprise   1 8 3 .9260   2 0 2 .9725   2 0 8 .1153   1 9 9 .6098   1 8 7 .5433   1 7 0 .0165   1 5 2 .1450   1 6 3 .7575   2 0 8 .4589   An g er   1 6 8 .5054   2 0 4 .2806   1 8 9 .3183   2 0 7 .5600   2 0 4 .7712   1 9 9 .5164   1 6 5 .5100   1 9 3 .2691   2 1 1 .7395   Disg u st   1 8 8 .1440   1 9 1 .2666   1 7 4 .0789   1 9 0 .5393   1 4 0 .9156   1 7 2 .7517   1 2 9 .8313   1 6 0 .4026   1 9 4 .7066   Fear   1 7 6 .5592   1 6 8 .3506   1 6 5 .2658   1 8 1 .8807   1 9 2 .2072   1 7 9 .9400   1 7 6 .5990   1 3 9 .3690   2 1 8 .7620   Hap p in ess   1 6 7 .4267   1 9 1 .5624   1 9 4 .9376   1 9 1 .9864   1 7 6 .6201   1 6 0 .8107   1 3 8 .8605   1 5 0 .5456   1 8 3 .5233           Figure  4. A verage  e nergy  values fo r Guja rati  sp eec h databa se for  em otion s   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Creati on o f  spe ech c orpu s  fo r emoti on  anal ysi s in Gu j arati  langua ge ... ( Visha l  P.  Tank )   4757   6.   CONCL US I O N    In   t his  pap e r  we  hav e   co nte m pla te d  an   e m ot ion al   s pee ch  database   or   sp eec h  c orp us  in  Guja rati  la nguag e .  T he   six  basic  em otion s   delibe rate d  for  de velo pin g  data base  a r e  sad ness ,  s urpr ise ,   an ge r,   di sg us t,   fear  a nd   ha pp i ness.   E valuati on  of  sp ee ch  database  is  ca r ried  by  m ai nly  pa ram et ers  as  ener gy ,  MFC C  1  to  13 ,   pitch .  Re s ults  cl early   hav e  s how n  the  di fference  in  dif f eren t  em otion s .  But  sti ll   dat abase  can  be  furthe r  i m pr oved  a nd  var ia bili ty   in  sp eake rs  a nd  spok e n  wor ds   m akes  it   m os t  eff ect ive.   The   pro posed  data ba se  is    a n   inte rm ixtur e of c har act erist ic s in  te rm s o f dif fe re nt em oti on s , spea ker s  a nd words .   Linear  m od el /c l assifi er  an d  Non  li nea r  m od el s/ cl assifier s  can  be  e xplo red   t o  f ur t her   im pr ove     the  recog niti on   pe rfor m ance.  The  im po rtance  of  sp eec h  e m otion   over   i m age  is  per so n  ca n  cha nge   facial   expressi on s   ea sil y  bu t  h a rd  to  c hange  s pee ch.   In  f uture,  m ul tim od al   detect ion   syst em s   can  be  bu il t  up  w hic h  us e d  im age,  spe ech si gn al s a nd  bio - sig nals al l t o  gat her f or  cl assifi cat ion   of em otion  stat e s of  hu m an.       REFERE NCE S     [1]   R.   Chakr abor t y ,   M.  Pandhar ip a nde,   and   S.  K.   Koppar apu,   “ Know le dge  b ase d  f ramework  for  in te lligent  emotio n  rec ogni ti on  in  sp onta neous  spe ech ,”  Proce d ia  Co mputer  Scienc e ,  v ol  96,   pp.   587 - 596,   2016 .   [2]   K.  S .   R ao, Shashidha r  G.   and   Ko ola gudi ,   “ Emoti on  Rec ogn it ion   using Spee ch   Fe at ure s ,”   Spring e r ,   2013.   [3]   G.  Gaura v,   et   al . ,   “ Deve lopment  of  appl i ca t ion  spec if ic   con ti nuou s  spee ch  rec ogn i ti on  s y st em  in  Hindi , ”   Journal  of   Signal   and   Infor mation  Proc essing ,  vol .   3 ,   no .   3 ,   2012.   [4]   F .   H .   Rac hm an,  R .   Sarno,   C .   Fati ch ah,   “ Mus ic   Emotion  Cla ss ifi cation  base d   on  L y ri cs - Audio  using  Corpus     base d  Emotion , ”  Int ernati onal   Journal  of   E l ec tri cal   and   C omputer  Engi n ee ring  ( IJE CE) ,  v ol.  8,   n o .   3 ,     pp.   1720 - 1730 ,   2018.   [5]   D.  Prave na  and  D.   Govind,   “ Deve lopment  of  sim ula te d  emotio n  spee ch  dat ab a se  for  exc it a ti on   source   ana l y sis , ”  Inte rnational   Jo urnal  of  Sp eech T ec hnology ,  vo l.  20,   pp.   327 – 338 ,   2017 .   [6]   M .   Mus faf a,   M .   Yus uf,   and   M .   Male kz ade h ,   “ S pee ch  emotion  r ec ogni ti on  rese a rch :   an  an aly sis  of  rese arc h  foc u s , ”   Inte rnational   Jo urnal  of  spe ec h   Technol ogy   ( IJS T) ,  v ol.   21,   pp.   1 37 - 156,   2018 .   [7]   F .   Shah, ”  Stud y   and  an aly sis  of  s pee ch  emotion  r ec ogni ti on”  Ph . D.  Thesis ,   Sodh ganga ,   2016.   [O nli ne] .   Avail ab le:  htt p://s hodhgang a. inf li bne t.ac.in/handle/10603/12 2185 .     [8]   V .   Ta nk  and   S .   K .   Hadia ,   “ Deve lopment  of  E m oti on  Rec ogni ti on  From   A  Sp ee ch  In  Vari ous   Regi onal   Indi a n  La nguag es:  A R evi ew , ”   I JRECE ,   vol .   6 ,   no .   2 ,   pp .   2155 - 2161 ,   20 18 .   [9]   R.   Kum ar,   et   al .,  “ Deve lopment   of  India n  l ang uage   spee ch  databa ses  for  la rg e   voca bu l ar y   spe ec h  re cogni t ion   s y stems , ” i n   In ter nati onal  Conf ere nce on  Sp eech and Compute r ( SPE COM)   Proce edi ngs ,   2005.   [10]   M .   Sw ai n,   A .  Routray ,   P.   Ka bisat pat h y ,   “ Data base s,  fe at ure s   and  cl assifie rs   for  spee ch  emotion  rec ogn it io n:    a  rev ie w , ”  In te rn ati onal  Journal of  Spe ec h   Techn ology ,  v ol .   21 ,   p p.   93 - 120 ,   2018 .   [11]   V .  P .   Gow da,   M .   Murugave lu ,   S .  K .  Tha nga m uthu,   “ Conti n uous  kanna da   spee ch   segm ent a ti on  and   spee ch   rec ogni ti on  b ase d  on  thr eshol d  using  MF CC  and  VQ , ”   Int ernati onal  Journal  of  El e ct ri c al  and  Comput er  Engi ne ering  ( IJ ECE ) , v ol .   9 , n o .   6,   pp.   4684 - 469 5,   2019 .   [12]   A.  P.  Kum ar ,  et   al . ,   “ Conti nuous   Te lugu  Speec h  Rec ognition  thro ugh  Com bine d  F ea tur e  Ext r ac t io n  b y   MF CC  and   DW P D  Us ing  HM M  base d  DN N  Te chn ique s, ”   Inte rnational   Jo urnal  of  Pure  a nd  Applie d  Ma t hemati cs ,  v ol   11 4,   n o.   11 ,   pp .   187 – 197,   2017 .   [13]   S.  G.  Koolagudi   and  K .   Rao,   “ Emotion  rec og nit ion  from   spee ch:   a  r evi ew , ”   Inte rnational   j ournal  of  spee c h  Technol ogy ,   v o l. 15, pp. 99 - 117,   2012 .   [14]   B .   Bashar ir ad  and   M .   Moradha seli,  “ Speec h   emotion  rec og nit ion  m et hods:   A  rev ie w ,”  in   AIP   Confe ren ce  Proce ddings ,   pp.   1 - 7 ,   2017 .   [15]   S.  K.  Koolagud i,   e t  al . ,   “ Re co gnit ion  of  emotions  from   spee c h  using  exc i tati on  source   fe at u res ,”  in  El se vie r   proce edi ngs  for  int ernati ona l  co nfe renc e  on   modeli ng ,   opt imizati on  and  comput in g ,   pp .   3409 - 341 7 ,   2012 .   [16]   S.  Ramakrishna n,   “ Rec ognition   of  Emotion  fro m   Speec h:  A  Revi ew , ”  in   Sp eech  Enhancemen t,   Mode li ng  and  Re cogn it ion   –   Algor it hms   and  Ap pli cations ,   In Tec h ,  pp .   121 - 138 ,   2012 .   [17]   S.   S.  Poo rna ,   K.   Anuraj . ,   and  G.  J.  Nair ,   “ A  W ei ght  Based   Approac h  for  E m oti on  Rec ogni ti on  from   Spee c h:    An  Anal y sis  Us ing  South  India n  L angua ges .   Comm unic ati o ns  in  Computer  and  Information  Scienc e  So ft  Computing  Syst e m ,   vol .   837 ,   201 8   [18]   “ Hindi  is  the   m ost  spoken  India n   la nguag e  in  US A,  foll owed  b y   Gujar ati  and  T elugu ,”  The  Sen ti n el   of  th is  land,   fo r   it s  people ,   2018.   [Online ] .   Avai l abl e :  ww w.sent i nel assam . com/n ews/hindi - is - th e - m ost - spoken - indi an - l angua ge - in - usa - foll owed - by - guja ra ti - and - tel egu/   [19]   “ Li st  of  la nguage s  b y   num ber   of  nat ive   spea ker s ,”  Wi ki p ed ia ,  the   free   en cy c lope dia .   [Online ] .   Avail ab le :   en. wikip edi a . org /wiki /List_of_languages_b y _nu m ber _of_na ti ve _spea ker s .   [20]   S.  S.  Agrawal ,   et   al . ,   “ Emotion s  in  Hindi  Spee ch - Anal y sis,  Per ce pt ion  and  R ecogniti on ,”   in   20 11  Inte rnationa l  Confe renc e  on   S pee ch   Database  and  Assess ments  ( Or ie ntal   COCO SDA ,  pp.   7 - 13 ,   2011 .   [21]   S.  G.  Koolagudi,  et  al . ,   “ IIT KG P - SES C:  Speec h   Data bas e  for  E m oti on  Anal y s is ,”  Comm unic a tions   in  Compute r  and  Information Sci en ce ,  pp .   485 - 492,   2009 .   [22]   S.  G.  Koolagudi,  et  al . ,   “ IIT KG P - SEHS C:  Hind i  Speec h   Corpus  for  Emotion  A naly s is ,”   in   IE E E  proce edi ngs  o n  Inte rnational   Co nfe renc e  on   Dev ic es  and   Comm unic ati ons   ( ICDeCom) ,   pp.   1 - 5 ,   2 011 .   [23]   A.  Jain,   N.   Prak ash,   S.  S.  Agraw al ,   “ Ev al ua ti on  o f  MF CC  for  Em oti on  Ide n ti fi ca t i on  in  Hindi  Spe ec h , ”  2 011  IE EE  3rd Int ernati ona l  Conf ere nce on Com municat ion Software  and   Ne tworks ,   pp.   189 - 193 ,   2011 .   [24]   E.   S.   Gopi,   “ Digit al speech  pro ces sing u sing MATL AB ,”   Springe r ,   2013 .   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  5 ,  Oct ob e r 2 020  :    47 52   -   47 58   4758   [25]   S.   S.  Poorna,   et   al . ,   “ Emotio n  rec ogni ti on  using  m ult i - par amete r  spe ec h  fea tur e  c la ss ifi c at ion , ”  i n  IE E E   Inte rnational   Co nfe renc e  on   Co mputers,  Comm unic ati ons ,   and   Syste ms ,   Ind ia ,   2 015 .       BIOGR AP H I ES   OF  A UTH ORS         Mr .   V  P   Tan k   pursed  Bac h el or   of  Eng ineeri ng   from   Dharm sinh  Desai   Univ ers ity ,   Nadi ad  in  2009  and  Maste r  of  Engi ne eri n g  from   Gujar at   Te chno logi c al   Univer sit y   in  y e ar  2011.   He  is  cur ren t l y   pursui ng  Ph.D.  and  working  as  As s ista nt  Profess or   in  V  T  Pat el   Depa rtment  of  El e ct roni cs  &  Com m unic at ion  Engi nee r ing,   Char ota r  Univer sit y   o f  Scie nce   &  Tec hnolog y ,   since   2012.   He  is  a  l i fe  ti m e  m ember  of  IET E  sin ce   2014.   He  has  p ubli shed  m ore   t han  10  rese ar ch  pape rs  in  rep u ted  int ern at ion al   j ourna ls  and  conf ere nc es  and  i t’s  al so  availa b l e  o nli ne .   His  m ai n   rese arc h   work  f ocuse s  on  Digital  Spee ch  pro ces sing,  Bioe l ectr onic s,  Digi tal  si gnal   pro ce ss ing.   He  has  8   y e ars  o f  teac hing   exp erienc e   and   1  y e ars   of  Rese arc h   Ex per ie n ce.         Dr.   S  K  Hadia  is  an  assoc ia t e  profe ss or  at   Gujar at   T echnological   Uni ver sit y   (GTU),  Ahem daba d,   Gujar a t,   India.  He  has  complet ed  his  Ph.D.  from  C har ota r  Univer si t y   of  Scie n c e   and   Te chno log y  in  y ea r  2016.   His  m ai n  rese ar ch  work  foc uses  on  Optic al   co m m unic at ion   computer   net wo rk,   Im age   proc es sing.  He  has  m ore   tha n  15  y e ars  of  te a chi ng  exp e rie nc e.   He  has  publi shed  m ore   tha n  11  rese ar ch  pape rs  in  re pute d  high  impact   in te rna ti on al  journa ls  and  conf ere n ce s.     Evaluation Warning : The document was created with Spire.PDF for Python.