Wissenschaft Das Smartphone hört deine Stimmung

US-Wissenschaftler haben einen Algorithmus entwickelt, der Stimmungen an der Stimme erkennt. Eine einfache App nutzt dies, um ein Gesicht anzuzeigen, dessen Ausdruck die Laune des Sprechers widerspiegelt.

Nicht gut drauf heute? Das Smartphone erkennt die Stimmung seines Besitzers und reagiert: Auf dem Bildschirm erscheinen gedeckte Farben, die Musiksoftware schlägt gedämpfte Töne an.

Ganz so weit ist es noch nicht. Aber Forscher von der Universität in Rochester im US-Bundesstaat New York haben bereits den Grundstein gelegt: Sie haben einen Algorithmus entwickelt, der die Stimme analysiert und die Laune eines Sprechers erkennt.

Zwölf Merkmale

Zwölf Merkmale berücksichtige die Software, erklärt Projektleiterin Wendi Heinzelman. Anhand derer könne sie sechs verschiedene Stimmungen erkennen, ob der Sprecher beispielsweise traurig oder fröhlich sei, ärgerlich, ängstlich oder neutral klinge.

Die Software gehe dabei ähnlich vor wie ein Mensch. "Man hört jemanden sprechen und denkt: 'Oh, der klingt aber sauer'", erklärt die Psychologin Melissa Sturge-Apple, die mit ihrem Kollegen Patrick Davies an Heinzelmans Projekt mitarbeitet. Die Stimmung eines Menschen beeinflusse die Art und Weise, wie er spreche. An Merkmalen wie Lautstärke oder Tonhöhe erkenne ein Hörer die Stimmung des Sprechers. "Wir achten nicht einzeln auf diese Merkmale. Wir haben aber gelernt, wie wütend klingt - vor allem bei Menschen, die wir kennen."

Automatische Stimmungserkennung

Sturge-Apple erforscht mit ihrem Kollegen Patrick Davies die Interaktion von Jugendlichen mit ihren Eltern. Für dieses Projekt sei eine automatische Erkennung von Stimmungen sehr nützlich: Sie müssten dann die Gesprächsaufzeichnungen nicht mehr manuell auf Stimmungen analysieren, da dies der Computer übernehmen könne.

Die Forscher bestimmten zunächst zwölf Merkmale, an denen sich die Stimmung ablesen lassen sollte. Dann ließen sie Schauspieler das Datum vorlesen und analysierten die Aufnahmen nach den festgelegten Kriterien. Sie klassifizierten die Aufnahmen entsprechend und gaben diese Daten in den Computer ein. Anschließend ließen sie ihn wieder Sprachaufnahmen untersuchen. Der Computer ordnete der Stimme eine der definierten Emotionen zu. Konnte er nicht zwischen mehreren entscheiden, ließ er diese Aufnahme offen.

Schwankende Trefferquote

Die Software erreichte eine Trefferquote bis zu 81 Prozent. Allerdings schwankten die Ergebnisse stark: Die erfolgreiche Klassifizierung von Gefühlen in der Stimme ist stark vom Sprecher abhängig. Die besten Ergebnisse erzielte die Software dann, wenn die Stimme schon bekannt war. Bei unbekannten Stimmen sank die Genauigkeit bis auf etwa 30 Prozent. Eine Verbesserung der Quote könnte möglich sein, indem das System auf Stimmen trainiert wird, die von Geschlecht und Alter der zu analysierenden entspricht.

Eine Mitarbeiterin des Projekts hat schon eine App programmiert, die diesen Algorithmus nutzt. Analysiert die App die Stimme des Smartphone-Besitzers erfolgreich, zeigt sie ein Emoticon an, das dessen Stimmung entspricht. Das sei noch sehr einfach, gibt Heinzelman zu. Aber die Forschung stehe noch am Anfang. Funktionen wie die eingangs beschriebenen seien aber durchaus denkbar.

Die Forscher stellen ihre Ergebnisse beim IEEE Workshop on Spoken Language Technology vor, der heute in Miami im US-Bundesstaat Florida zu Ende geht.