本文探讨了语音情感识别（SER）模型的潜力，强调自然对话语料库的重要性。研究团队使用Switchboard语料库，训练了众包标注的情感（如愤怒、快乐等）和维度属性（如激活度、效价）。结果显示模型在不同情感类别上的表现差异，尤其愤怒情感的泛化能力较差。研究强调使用自然情感变化数据集进行评估的重要性，并发布了SWB-Affect标签以促进进一步分析。

本文研究了人工智能与人类专家合作改进文本情感标注的方法，质疑传统众包标注方式，提出结合人类专业知识与大型语言模型的新框架，评估其在多种情感识别任务中的有效性，结果显示标注质量和一致性有所提升。