智能語音應(yīng)用開發(fā) 課件 項(xiàng)目7：情感分析：讓端側(cè)機(jī)器人有情

項(xiàng)目7

情感分析：讓端側(cè)機(jī)器人有情項(xiàng)目背景情感在交流中發(fā)揮著極其重要的作用，可以表達(dá)人對外部事件或?qū)υ挼膽B(tài)度。情感識別具有極大的應(yīng)用價(jià)值，準(zhǔn)確識別人的情感狀態(tài)對社交機(jī)器人、醫(yī)療、商品評價(jià)和一些其他的人機(jī)交互系統(tǒng)都有重要意義。在人工智能產(chǎn)品和人的交互過程中，如果能夠準(zhǔn)確地把握人當(dāng)前的情感狀態(tài)，并根據(jù)情感狀態(tài)做出回應(yīng)，可以極大地提升用戶對人工智能產(chǎn)品的體驗(yàn)。本項(xiàng)目將使用目前主流的AI開放平臺，通過對其AI能力的調(diào)用，實(shí)現(xiàn)對用戶語音的情感分析。教學(xué)目標(biāo)（1）了解情感分析的定義及分類。（2）了解表情情感分析。（3）了解語音情感分析。（4）了解文本情感分析。（5）能夠熟練使用AI平臺的情感分析功能。（6）能夠通過程序邏輯搭建情感分析系統(tǒng)。項(xiàng)目分析本項(xiàng)目首先在理論知識部分，學(xué)習(xí)情感分析的定義及分類，了解基于表情、語音和文本的情感分析，具體知識準(zhǔn)備思維導(dǎo)圖如圖7.1所示。然后借助百度AI開放平臺，通過調(diào)用該平臺的語音識別和自然語言處理能力，搭建語音情感分析系統(tǒng)。具體分析如下。（1）了解情感分析及其分類。（2）了解基于表情、語音和文本的情感分析。（3）在百度AI開放平臺創(chuàng)建語音識別應(yīng)用和自然語言處理應(yīng)用。（4）定義相關(guān)函數(shù)，并編寫語音情感分析程序。（5）測試語音情感分析程序，對輸入的語音進(jìn)行情感分析。知識準(zhǔn)備知識點(diǎn)1：什么是情感分析1．情感情感是一種內(nèi)在和外在綜合表現(xiàn)所體現(xiàn)出來的狀態(tài)。其中，情感的外在表現(xiàn)主要是指人能直觀觀察到的情感信息，如人的面部表情的變化，人語音的語調(diào)、音調(diào)的變化，姿態(tài)動作的變化，文字表達(dá)的轉(zhuǎn)折等；情感的內(nèi)在表現(xiàn)主要是指一些人不能直觀看到、只能通過相關(guān)儀器測量的信息，如人的脈搏、體溫、血壓等生理信號，人的腦電信號等。知識點(diǎn)1：什么是情感分析2．情感分析情感分析又被稱為意義挖掘和主觀性分析，它利用各種數(shù)字量化的信息，使用計(jì)算機(jī)和人工智能技術(shù)來分析情感，這種分析包括對情感特征的提取，建立情感特征與情感標(biāo)簽的映射關(guān)系，對情感的預(yù)測并根據(jù)這種預(yù)測對情感狀態(tài)進(jìn)行準(zhǔn)確的判斷①。情感特征的提取涉及多個(gè)模態(tài)，依據(jù)人類接受情感信息的方式，情感特征包括表情情感特征、語言情感特征、文本情感特征等多種模態(tài)。知識點(diǎn)1：什么是情感分析3．情感的分類在大多數(shù)應(yīng)用中，可以將情感按照極性/傾向進(jìn)行劃分，可以分為兩類：正面、反面，或者三類：正面、反面和中立。正面類別（Positive）指文本中持有積極的（支持的、健康的）態(tài)度和立場；反面類別（Negative）指文本中持有消極的（反對的、不健康的）態(tài)度和立場；中立類別（Neutral）指文本中持有中立的態(tài)度和立場。知識點(diǎn)2：表情情感分析針對人的面部表情的分析是近些年熱門的研究方向，如微表情、測謊等，都需要對人的面部表情進(jìn)行分析和研究。面部表情是人類表現(xiàn)情感最主要的形式，是人類最直觀和最直接的情感表現(xiàn)形式，正因?yàn)槿绱?，通過人的面部表情進(jìn)行情感分析在情感分析領(lǐng)域有著非常豐富的研究歷程和研究成果。表情情感分析包括人臉檢測、特征提取和情感分類。首先，在輸入圖像中定位面部表情的位置，并從面部區(qū)域檢測如鼻子、眼睛等面部成分，如圖7.2所示。其次，從人臉的各個(gè)成分中提取各種時(shí)空特征。最后，通過線性回歸、支持向量機(jī)（SupportVectorMachine，SVM）等分類器對情感進(jìn)行分析。特征提取是進(jìn)行表情情感分析的前提條件，合適的表情情感特征能夠幫助情感分析系統(tǒng)實(shí)現(xiàn)更加精準(zhǔn)的判定。人的情感是一段過程，不僅僅是短暫的變化，因此，在進(jìn)行面部表情情感分析時(shí)，不需要對視頻中所有的幀進(jìn)行分析，只需要按照一定時(shí)間間隔采樣視頻幀，并對這些視頻幀進(jìn)行分析，就可以達(dá)到依據(jù)面部表情判斷情感的目的。這種方法既降低了計(jì)算資源的消耗，也可以避免引入一些噪聲數(shù)據(jù)，對情感判定的精度造成影響。知識點(diǎn)2：表情情感分析小貼士分類是人工智能的一種重要方法，是在已有數(shù)據(jù)的基礎(chǔ)上學(xué)習(xí)一個(gè)分類函數(shù)或構(gòu)造一個(gè)分類模型，該函數(shù)或模型就是一個(gè)能完成分類任務(wù)的人工智能系統(tǒng)，即分類器（Classifier）。知識點(diǎn)3：語音情感分析語音是人類應(yīng)用最廣泛的交流方式，既可以傳遞語義信息，也包含重要的情感信息。語音情感分析的目標(biāo)是從語音中識別出人類的情感狀態(tài)。在人機(jī)交互系統(tǒng)中，賦予機(jī)器分析語音所傳遞的情感的能力具有十分重要的意義，這將使人機(jī)之間的對話更加自然、和諧。語音情感識別的主要流程包括預(yù)處理、特征提取和情感分類，如圖7.3所示。首先，進(jìn)行預(yù)處理操作，包括對語音信號預(yù)加重、劃分語音幀、加窗濾波等。其次，在完成特征提取后，通過對原始特征進(jìn)行特征降維，提取能夠表征語音的時(shí)空特征。最后，使用如線性回歸、支持向量機(jī)等分類模型進(jìn)行匹配，得出語音情感分析結(jié)果。圖7.3語音情感識別的流程知識點(diǎn)3：語音情感分析1．語音情感識別特征提取1）基于韻律的特征在生活中，我們可以直觀感受到，情感會使得我們交流時(shí)的語調(diào)、聲調(diào)和重音發(fā)生變化。一個(gè)人所說的語言，不論是否經(jīng)意，其表達(dá)的語氣、情感都和韻律有關(guān)。在語言學(xué)中，韻律特征被廣泛稱為“超音段特征”或“超語言學(xué)特征”，其一般關(guān)注時(shí)序下的語音信號，具有邊緣特性。邊緣特性是指語音信號中高低音、停頓、節(jié)奏律動、音量強(qiáng)度等方面產(chǎn)生的變化。韻律特征包括基本頻率、節(jié)奏、強(qiáng)度等，對應(yīng)語音信號中體現(xiàn)的音高、音長、音強(qiáng)等。這些變量的不同組合被應(yīng)用于語調(diào)、聲調(diào)和重音中，組成了豐富的語音表達(dá)?；绢l率即基頻，也被稱為音調(diào)，可以傳達(dá)有關(guān)感情狀態(tài)的大量信息。有研究發(fā)現(xiàn)，中性或非情感性語言的音調(diào)范圍比情感性語言的音調(diào)范圍窄得多，隨著情感強(qiáng)度的增加，中性語音中出現(xiàn)的停頓的頻率和持續(xù)時(shí)間會減少。更有研究者從EMO-DB數(shù)據(jù)集中提取出了133個(gè)韻律特征。基于節(jié)奏的特征包括語速、語音之間的停頓、濁音段的長度等，可以使用每秒的音、字節(jié)數(shù)進(jìn)行統(tǒng)計(jì)。一般來說，恐懼、厭惡、憤怒、快樂這些高激活水平的情感具有較快的節(jié)奏，驚奇這類中激活水平的情感具有正常的節(jié)奏，而悲傷這類情感的節(jié)奏則比較慢。強(qiáng)度通常又被稱為語音的能量或音量，提供了可以用于區(qū)分語音情感的信息。當(dāng)人處于憤怒、驚訝和快樂的情緒時(shí)，其語音的能量會明顯增強(qiáng)，而當(dāng)人處于悲傷、恐懼和厭惡的情緒時(shí)，其語音的能量會降低。知識點(diǎn)3：語音情感分析小貼士：EMO-DB數(shù)據(jù)集EMO-DB數(shù)據(jù)集是由柏林工業(yè)大學(xué)錄制的德語情感語音庫，由10位演員（5男5女）對10個(gè)語句（5長5短）進(jìn)行7種情感的模擬得到，7種情感包括中性（Neutral）、生氣（Anger）、害怕（Fear）、高興（Joy）、悲傷（Sadness）、厭惡（Disgust）、無聊（Boredom），共包含800句語料。知識點(diǎn)3：語音情感分析1．語音情感識別特征提取2）基于聲道的特征聲道特征是由于個(gè)體的聲道運(yùn)動造成的，聲道中央壓力、長度張力及肌肉張力等的變化引起的聲音波形變化，又被稱為頻譜特征。頻譜特征現(xiàn)在已經(jīng)被廣泛地應(yīng)用在了各種語音識別和說話者認(rèn)證系統(tǒng)等語音應(yīng)用中。常見的基于聲道的特征主要包括梅爾頻率倒譜系數(shù)（Mel-scaleFrequencyCepstralCoefficients，MFCC）、感知線性預(yù)測系數(shù)（PerpetualLinearPredictiveCoefficients，PLPC）、線性預(yù)測倒譜系數(shù)（LinearPredictionCepstralCoefficients，LPCC）、對數(shù)頻率功率系數(shù)（Log-FrequencyPowerCoefficients，LFPC）等。知識點(diǎn)3：語音情感分析1．語音情感識別特征提取3）基于音質(zhì)的特征音質(zhì)特征一般描述的是語音信號的質(zhì)量，是描述一段語音信號情感特征較為主觀的方法，通過該特征可以辨別當(dāng)前語音是否清晰。音質(zhì)一般可以從音調(diào)的微擾動、音調(diào)強(qiáng)度的變化等方面進(jìn)行描述。音質(zhì)的特征通常包括共振峰頻率、頻譜中心矩、諧波噪聲比。知識點(diǎn)3：語音情感分析2．語音情感識別分類器模式識別是計(jì)算機(jī)領(lǐng)域的經(jīng)典研究方向，語音情感分類也是模式識別的一類重要應(yīng)用。根據(jù)模式識別，用于語音情感分類的分類器可以分為兩種：線性分類器和非線性分類器。線性分類器一般有使用隱馬爾可夫模型和混合高斯模型的概率統(tǒng)計(jì)分類方法，以及使用人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，ANN）和支持向量機(jī)的分類器學(xué)習(xí)方法。非線性分類器主要是指基于深度神經(jīng)網(wǎng)絡(luò)的分類器，如深度玻爾茲曼機(jī)（DeepBoltzmannMachine，DBM）、循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和自動編碼器（Autoencoder，AE），這些深度學(xué)習(xí)技術(shù)是語音情感識別的基礎(chǔ)技術(shù)。知識點(diǎn)3：語音情感分析小貼士：線性分類器和非線性分類器線性分類器用一個(gè)“超平面”將正、負(fù)樣本分隔開，例如：（1）二維平面上的正、負(fù)樣本用一條直線進(jìn)行分類。（2）三維立體空間內(nèi)的正、負(fù)樣本用一個(gè)平面進(jìn)行分類。（3）N維空間內(nèi)的正、負(fù)樣本用一個(gè)超平面進(jìn)行分類。非線性分類器用一個(gè)“超曲面”或多個(gè)超平（曲）面的組合將正、負(fù)樣本分隔開，例如：（1）二維平面上的正、負(fù)樣本用一條曲線或折線進(jìn)行分類。（2）三維立體空間內(nèi)的正、負(fù)樣本用一個(gè)曲面或者折面進(jìn)行分類。（3）N維空間內(nèi)的正、負(fù)樣本用一個(gè)超曲面進(jìn)行分類。知識點(diǎn)3：語音情感分析2．語音情感識別分類器線性分類器應(yīng)用于情感識別的早期，深度學(xué)習(xí)當(dāng)時(shí)還未加入機(jī)器學(xué)習(xí)算法家族。后來，深度學(xué)習(xí)成為機(jī)器學(xué)習(xí)中一個(gè)新興的研究領(lǐng)域，受到了極大的關(guān)注，被廣泛應(yīng)用于語音情感識別任務(wù)。表7.1顯示了在使用IEMOCAP、EMO-DB和SAVEE數(shù)據(jù)集測量各種情感的情況下，深度學(xué)習(xí)算法與傳統(tǒng)算法的詳細(xì)比較分析，可以看出在生氣、開心和悲傷三類情緒的識別率上，作為深度學(xué)習(xí)中的重要模型的卷積神經(jīng)網(wǎng)絡(luò)有良好的表現(xiàn)。知識點(diǎn)3：語音情感分析小貼士：線性分類器和非線性分類器線性分類器用一個(gè)“超平面”將正、負(fù)樣本分隔開，例如：（1）二維平面上的正、負(fù)樣本用一條直線進(jìn)行分類。（2）三維立體空間內(nèi)的正、負(fù)樣本用一個(gè)平面進(jìn)行分類。（3）N維空間內(nèi)的正、負(fù)樣本用一個(gè)超平面進(jìn)行分類。非線性分類器用一個(gè)“超曲面”或多個(gè)超平（曲）面的組合將正、負(fù)樣本分隔開，例如：（1）二維平面上的正、負(fù)樣本用一條曲線或折線進(jìn)行分類。（2）三維立體空間內(nèi)的正、負(fù)樣本用一個(gè)曲面或者折面進(jìn)行分類。（3）N維空間內(nèi)的正、負(fù)樣本用一個(gè)超曲面進(jìn)行分類。知識點(diǎn)3：語音情感分析線性分類器應(yīng)用于情感識別的早期，深度學(xué)習(xí)當(dāng)時(shí)還未加入機(jī)器學(xué)習(xí)算法家族。后來，深度學(xué)習(xí)成為機(jī)器學(xué)習(xí)中一個(gè)新興的研究領(lǐng)域，受到了極大的關(guān)注，被廣泛應(yīng)用于語音情感識別任務(wù)。表7.1顯示了在使用IEMOCAP、EMO-DB和SAVEE數(shù)據(jù)集測量各種情感的情況下，深度學(xué)習(xí)算法與傳統(tǒng)算法的詳細(xì)比較分析，可以看出在生氣、開心和悲傷三類情緒的識別率上，作為深度學(xué)習(xí)中的重要模型的卷積神經(jīng)網(wǎng)絡(luò)有良好的表現(xiàn)。算

法生

氣開

心悲

傷K-鄰近93%55%77%線性判別分析68%49%72%支持向量機(jī)74%70%93%正則判別分析83%73%97%卷積神經(jīng)網(wǎng)絡(luò)99%99%96%表7.1不同分類器分類準(zhǔn)確度對比知識點(diǎn)4：文本情感分析文本的情感傾向包括文本反映的情感的方向（褒或貶）及其強(qiáng)度。文本情感分析是對帶有情感色彩的主觀性文本進(jìn)行分析、處理、歸納和推理的過程，其目的是通過挖掘和分析文本中的立場、觀點(diǎn)、看法、情緒、好惡等主觀信息，對文本體現(xiàn)出的態(tài)度（或稱情感傾向性），即文本中的主觀信息進(jìn)行判斷。文本中的時(shí)態(tài)、語法、句法等結(jié)構(gòu)在情感分析的研究中具有重要價(jià)值，文字符號信息的使用可以為情感分析模型提供更多的語義信息，能夠幫助智能機(jī)器更好地理解情感狀態(tài)。文本情感分析已廣泛應(yīng)用于社會輿情分析、產(chǎn)品在線跟蹤與質(zhì)量評價(jià)、影視評價(jià)、新聞報(bào)道評述、事件分析、股票評論、圖書推薦、企業(yè)情報(bào)系統(tǒng)、客戶關(guān)系管理等方面，具有重要意義。文本情感分析的方法主要可以劃分為三大類，分別為基于情感詞典的分析方法、基于機(jī)器學(xué)習(xí)的分析方法、基于深度學(xué)習(xí)的分析方法。知識點(diǎn)4：文本情感分析1．基于情感詞典的分析方法基于情感詞典的分析方法起源于基于語法規(guī)則的文本分析方法，需要具有語法敏感性的專業(yè)人士構(gòu)建情感分析的詞典（正向情感詞典和負(fù)向情感詞典），即將某語言中用于表達(dá)情感的詞匯分為兩類?；谇楦性~典的文本情感分析流程如圖7.4所示。首先以詞語為基本單位對需要分析的文本進(jìn)行分句、分詞等預(yù)處理。接著與情感詞典進(jìn)行對比，抽取情感詞與短語。然后計(jì)算句子情感得分。再累計(jì)所有情感句子的情感傾向。最后得出文本情感極性和情感強(qiáng)度。這種情感分析的方法需要耗費(fèi)大量人力來擴(kuò)充情感詞典，當(dāng)出現(xiàn)語句中無情感詞時(shí)，該方法將會失效，因此不能適應(yīng)當(dāng)今的海量文本數(shù)據(jù)，可遷移性差。情感詞典的來源主要有兩種渠道：一種是根據(jù)搜集的語料中的情感詞自定義的情感詞典；另一種是使用開源的大型語料庫，中文文本主要采用知網(wǎng)HowNet、大連理工大學(xué)的中文情感詞匯本體庫等，英文文本可以采用WordNet。圖7.4基于情感詞典的文本情感分析流程圖知識點(diǎn)4：文本情感分析2.基于機(jī)器學(xué)習(xí)的分析方法基于機(jī)器學(xué)習(xí)的分析方法主要使用機(jī)器學(xué)習(xí)模型，生成機(jī)器學(xué)習(xí)模型需要進(jìn)行大量的文檔標(biāo)注，利用標(biāo)注好的情感類別的訓(xùn)練集，提取出相應(yīng)的特征值，使用機(jī)器學(xué)習(xí)的分類方法來訓(xùn)練并得到分類器，再使用該分類器對無標(biāo)注的文本進(jìn)行情感分類。機(jī)器學(xué)習(xí)模型有很多，每個(gè)模型有自己擅長的領(lǐng)域，文本情感分析主要的模型工具有樸素貝葉斯（NaiveBayes，NB）、支持向量機(jī)和最大熵等?；跈C(jī)器學(xué)習(xí)的分析方法擺脫了依靠有限詞典的局限性，且該方法的分類效果優(yōu)于基于情感詞典的分析方法，但是基于機(jī)器學(xué)習(xí)的分析方法成功的關(guān)鍵在于選擇出大量高質(zhì)量的標(biāo)注樣本，需要將最佳的特征與分類器組合，才能實(shí)現(xiàn)基于機(jī)器學(xué)習(xí)的文本情感分析?；跈C(jī)器學(xué)習(xí)的文本情感分析流程如圖7.5所示。主要包括分類器訓(xùn)練和文本情感分析兩個(gè)主要環(huán)節(jié)。在分類器訓(xùn)練過程中，通過訓(xùn)練集和測試集對分類器模型進(jìn)行訓(xùn)練和調(diào)優(yōu)，提高分類器的準(zhǔn)確率。在文本情感分析環(huán)節(jié)，利用已訓(xùn)練好的分類器對待處理文本進(jìn)行情感分析，得出情感分析結(jié)果。圖7.5基于機(jī)器學(xué)習(xí)的文本情感分析流程知識點(diǎn)4：文本情感分析3.基于深度學(xué)習(xí)的分析方法深度學(xué)習(xí)技術(shù)的發(fā)展使文本情感特征逐漸轉(zhuǎn)向詞向量、句子向量的表征特征。這些詞向量、句子向量通過深度神經(jīng)網(wǎng)絡(luò)等技術(shù)無監(jiān)督地訓(xùn)練文本數(shù)據(jù)，將文本特征的提取從手動變?yōu)樽詣?。深度學(xué)習(xí)模型通常是多層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，在進(jìn)行文本情感分析時(shí)，常用的網(wǎng)絡(luò)模型主要有長短期記憶網(wǎng)絡(luò)（LongShort-TermMemory，LSTM）、卷積神經(jīng)網(wǎng)絡(luò)。長短期記憶網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)，擅長對自然語言建模，對利用計(jì)算機(jī)來處理自然語言的意義重大，讓計(jì)算機(jī)對自然語言的處理深入到語義理解層面。卷積神經(jīng)網(wǎng)絡(luò)是一種特殊的前饋神經(jīng)網(wǎng)絡(luò)，其卷積層可以很好地提取局部特征，并考慮句子中上下文信息。在文本情感分析系列任務(wù)中，基于深度學(xué)習(xí)的分析方法與基于情感詞典的分析方法、基于機(jī)器學(xué)習(xí)的分析方法相比，不但能夠自發(fā)地完成對文本關(guān)鍵特征的提取，而且在模型泛化能力和準(zhǔn)確率方面有飛躍性的提升。項(xiàng)目實(shí)施：情感分析應(yīng)用——智能語音情感傾向分析任務(wù)1創(chuàng)建應(yīng)用步驟1：創(chuàng)建語音技術(shù)應(yīng)用任務(wù)1創(chuàng)建應(yīng)用步驟2：創(chuàng)建自然語言處理應(yīng)用任務(wù)2編寫語音情感分析程序在創(chuàng)建語音識別應(yīng)用和自然語言處理應(yīng)用后，接下來將調(diào)用這兩個(gè)應(yīng)用以實(shí)現(xiàn)智能語音的情感傾向分析。首先分別創(chuàng)建兩個(gè)應(yīng)用客戶端，用于調(diào)用相應(yīng)的功能函數(shù)。然后定義語音識別函數(shù)和情感分析函數(shù)，用于后期使用。最后輸入文本或音頻實(shí)現(xiàn)情感分析。流程如圖7.17所示。圖7.17編寫語音情感分析程序的流程任務(wù)2編寫語音情感分析程序步驟1：配置基礎(chǔ)環(huán)境任務(wù)2編寫語音情感分析程序步驟2：導(dǎo)入庫函數(shù)實(shí)現(xiàn)語音翻譯需要對數(shù)據(jù)進(jìn)行編碼和解碼，以及調(diào)用百度API進(jìn)行語音識別等操作，導(dǎo)入相關(guān)的庫函數(shù)有助于功能的實(shí)現(xiàn)。fromrecordimportmy_recordfromaipimportAipNlp,AipSpeech（1）my_record：record.py中定義的函數(shù)，用于錄制標(biāo)準(zhǔn)音頻。（2）AipNlp：百度自然語言處理的客戶端，認(rèn)證成功之后，客戶端將被開啟，調(diào)用客戶端后用于情感分析。（3）AipSpeech：百度語音的客戶端，認(rèn)證成功之后，客戶端將被開啟，調(diào)用客戶端后用于語音識別。任務(wù)2編寫語音情感分析程序步驟3：創(chuàng)建客戶端使用百度AI開放平臺實(shí)現(xiàn)語音識別和情感分析，需要使用獲取的百度AI云服務(wù)應(yīng)用參數(shù)AppID、APIKey、SecretKey來創(chuàng)建客戶端（見圖7.11和圖7.16），以實(shí)現(xiàn)相應(yīng)功能。（1）設(shè)置語音識別云服務(wù)參數(shù)提示：此處的APP_ID、API_KEY、SECRET_KEY分別與在百度AI開放平臺上創(chuàng)建的語音識別應(yīng)用和自然語言處理應(yīng)用的AppID、APIKey、SecretKey相對應(yīng)。AppID在百度云控制臺中創(chuàng)建，APIKey和SecretKey是在應(yīng)用創(chuàng)建完成后，系統(tǒng)分配給用戶的，均為字符串，用于標(biāo)識用戶，為訪問做簽名驗(yàn)證。任務(wù)2編寫語音情感分析程序步驟3：創(chuàng)建客戶端（2）設(shè)置情感分析云服務(wù)參數(shù)。（3）創(chuàng)建兩個(gè)客戶端client、client2，第一個(gè)客戶端是語音識別的客戶端，第二個(gè)客戶端是情感分析的客戶端。代碼如下。任務(wù)2編