Sistem pemenang tantangan Interspeech 2025 tentang pengenalan emosi ucapan dalam kondisi alami hanya mencapai macro-F1 0,4316 untuk delapan emosi pada ucapan podcast sungguhan, sementara model terbaik dari 10 model yang diuji mencetak akurasi tidak berbobot 75,32% pada korpus RAVDESS yang diperankan (benchmark EmoBox, Interspeech 2024). Pola terbelah yang sama muncul dalam penelitian suara klinis: model deep learning menggabungkan sensitivitas 0,83 untuk mendeteksi depresi dari ucapan (Lu et al., BMC Psychiatry 2025), namun hanya 2 dari 68 studi suara kesehatan mental yang menguji modelnya pada dataset independen (Uy et al., Frontiers in Digital Health 2026). Sementara itu, teleterapi kini sudah menjadi hal rutin: 12,3% orang dewasa AS, atau 32,6 juta orang, menerima perawatan kesehatan mental melalui telekesehatan pada 2025 (SAMHSA, 2025 NSDUH). Kami menghimpun data dari papan peringkat tantangan MSP Lab, benchmark EmoBox dan ParaLBench, BMC Psychiatry, Annals of Family Medicine, JMIR, SAMHSA, FAIR Health, CDC NCHS, American Psychological Association, dan teks EU AI Act. Untuk sisi demensia dalam penelitian kesehatan suara, lihat rangkuman terpisah kami tentang biomarker suara untuk Alzheimer dan gangguan kognitif.
Halaman ini hanya melaporkan temuan penelitian. Ini bukan nasihat medis, dan tidak satu pun alat yang diuraikan di sini menggantikan evaluasi oleh klinisi yang berkualifikasi.
TL;DR
- macro-F1 tertinggi pada pengenalan emosi ucapan alami delapan kelas adalah 0,4316, dibandingkan baseline 0,3293 (MSP Lab, papan peringkat Interspeech 2025 SER Challenge).
- Model terbaik mencapai akurasi tidak berbobot 75,32% pada RAVDESS yang diperankan tetapi 22,24% pada MSP-Podcast (benchmark EmoBox, Interspeech 2024).
- 17,98% dari 267.905 giliran bicara MSP-Podcast tidak memiliki kesepakatan penilai pada emosi utama (Busso et al., MSP-Podcast Corpus 2025).
- Pendengar manusia mengidentifikasi emosi yang diperankan dalam file audio ucapan RAVDESS dengan proporsi benar 0,63 (Livingstone dan Russo, PLOS ONE 2018).
- Deteksi depresi dari ucapan dengan deep learning menggabungkan sensitivitas 0,83 dan spesifisitas 0,86 dari 16 studi (Lu et al., BMC Psychiatry 2025).
- Alat suara yang diteliti pada 14.898 orang dewasa (4.456 di antaranya dalam validasi) mencapai sensitivitas 71,3% dan spesifisitas 73,5% untuk depresi sedang hingga berat (Mazur et al., Annals of Family Medicine 2025).
- Hanya 2 dari 68 studi suara kesehatan mental yang menggunakan validasi independen atau lintas dataset (Uy et al., Frontiers in Digital Health 2026).
- 32,8% orang dewasa AS dengan penyakit mental apa pun menerima perawatan melalui telekesehatan pada 2025 (SAMHSA, 2025 NSDUH).
- 52,1% pasien telekesehatan dengan asuransi komersial memiliki diagnosis kesehatan mental pada kuartal 1 2026 (FAIR Health, Quarterly Telehealth Regional Tracker 2026).
- Larangan EU AI Act terhadap penyimpulan emosi di tempat kerja dan sekolah berlaku sejak 2 Februari 2025 (Regulation (EU) 2024/1689).
- 29% psikolog AS menggunakan AI setidaknya sebulan sekali pada 2025, naik dari 11% pada 2024 (APA, 2025 Practitioner Pulse Survey).
1. Akurasi Benchmark pada Korpus Emosi Standar
Tiga metrik muncul berulang di bagian ini. Akurasi tidak berbobot (UA) merata-ratakan tingkat keberhasilan setiap kelas emosi, sehingga setiap emosi dihitung sama. Akurasi berbobot (WA) adalah porsi jawaban benar biasa, yang memberi imbalan pada model karena menebak emosi paling umum dengan benar. Macro-F1 adalah skor serupa yang seimbang antarkelas dan juga memberi penalti pada alarm palsu.
Pada korpus yang diperankan atau dikendalikan ketat, model terbaik mencetak antara 73,54% UA (IEMOCAP) dan 84,62% UA (ESD). Model terbaik dari 10 model terlatih mencetak 84,62% UA pada korpus ESD tetapi hanya 22,24% UA pada MSP-Podcast, korpus ucapan podcast sungguhan (benchmark EmoBox, Interspeech 2024). Pada MSP-Podcast, akurasi berbobot model yang sama kira-kira dua kali lipat akurasi tidak berbobotnya, tanda bahwa model bekerja baik pada emosi yang sering muncul dan buruk pada emosi yang jarang. Angka akurasi utama dari korpus yang diperankan karena itu hanya sedikit menjelaskan bagaimana sistem berperilaku dalam panggilan telepon atau sesi terapi. Tabel lengkap per dataset ada di makalah EmoBox.
| Metrik | Nilai | Sumber |
|---|---|---|
| UA terbaik di antara 10 model (Whisper large v3): IEMOCAP (dialog dua pihak yang diperankan) dan RAVDESS (ucapan yang diperankan) | 73,54% dan 75,32% | EmoBox (Ma et al.), Interspeech 2024 |
| Korpus RAVDESS: aktor profesional dan file audio ucapan | 24 aktor (12 perempuan, 12 laki-laki), 1.440 file audio ucapan | Livingstone dan Russo, catatan Zenodo RAVDESS 2018 |
| CREMA-D dan ESD (korpus yang diperankan), UA terbaik | 76,75% dan 84,62% | EmoBox (Ma et al.), Interspeech 2024 |
| MSP-Podcast (ucapan podcast alami), model terbaik: UA versus WA | 22,24% versus 44,10% | EmoBox (Ma et al.), Interspeech 2024 |
| MELD (dialog serial TV), model terbaik: UA versus WA | 31,54% versus 51,89% | EmoBox (Ma et al.), Interspeech 2024 |
| Emosi empat kelas IEMOCAP, UA terbaik di antara 14 model fondasi akustik (Whisper-large) | 0,690 | benchmark ParaLBench, arXiv 2411.09349 (2024) |
| Emosi empat kelas IEMOCAP, UA WavLM-large | 0,685 | benchmark ParaLBench, arXiv 2411.09349 (2024) |
| Ukuran korpus IEMOCAP | Sekitar 12 jam data audiovisual | USC SAIL Lab, halaman basis data IEMOCAP |
Konteks: EmoBox mencakup 32 dataset emosi dalam 14 bahasa. Korpus-korpus tersebut berbeda dalam jumlah kelas emosi dan cara ucapan dihasilkan (label kategorikal IEMOCAP berpusat pada empat emosi, ucapan RAVDESS memakai delapan), sehingga skor dapat dibandingkan dalam satu baris tetapi tidak antarbaris. Hasil ParaLBench sampai pada kesimpulan serupa dengan kumpulan model yang berbeda.
2. Kondisi Alami: Tantangan Interspeech 2025
Tantangan Interspeech 2025 meminta tim mengklasifikasikan delapan emosi (marah, senang, sedih, takut, terkejut, meremehkan, jijik, netral) pada ucapan spontan dari korpus MSP-Podcast, dan memprediksi arousal, valensi, dan dominansi pada skala 1 sampai 7. macro-F1 pemenang sebesar 0,4316 adalah peningkatan sekitar 0,10 dari baseline 0,3293 (perhitungan kami dari papan peringkat resmi), yang merupakan kemajuan nyata tetapi tetap berarti sebagian besar keputusan delapan arah pada ucapan alami adalah keputusan yang sulit.
Tugas dimensional menunjukkan cerita serupa. CCC, koefisien korelasi konkordansi, mengukur seberapa dekat skor prediksi mengikuti penilaian manusia (1 berarti kesepakatan sempurna). Sistem teratas mengikuti valensi (seberapa positif atau negatif suara terdengar) jauh lebih baik daripada dominansi (seberapa terkendali pembicara terdengar). Makalah ringkasan penyelenggara mencatat bahwa menggabungkan model fondasi audio dan teks menghasilkan sistem yang paling tangguh.
| Metrik | Nilai | Sumber |
|---|---|---|
| Tugas 1 (delapan kelas emosi), macro-F1 baseline | 0,3293 | MSP Lab, papan peringkat Interspeech 2025 SER Challenge |
| Tugas 1, macro-F1 tertinggi (tim NTUA) | 0,4316 | MSP Lab, papan peringkat Interspeech 2025 SER Challenge |
| Tugas 2 (arousal, valensi, dominansi), rata-rata CCC: baseline versus sistem teratas (tim SAIL) | 0,5797 versus 0,6076 | MSP Lab, papan peringkat Interspeech 2025 SER Challenge |
| Tugas 2, sistem teratas: CCC valensi versus CCC dominansi | 0,6829 versus 0,498 | MSP Lab, papan peringkat Interspeech 2025 SER Challenge |
| Pengiriman Tugas 1 yang dilaporkan oleh satu tim peserta | 166 | Dutta et al., ABHINAYA, arXiv 2505.18217 (2025) |
| Sistem tim yang sama, dinilai penyelenggara setelah tenggat: macro-F1 | 44,02% | Dutta et al., ABHINAYA, arXiv 2505.18217 (2025) |
| Data pelatihan tantangan: sampel netral versus sampel takut | Netral sekitar 26 kali lebih sering | Dutta et al., ABHINAYA, arXiv 2505.18217 (2025) |
Konteks: sistem MEDUSA yang menempati peringkat pertama memakai ansambel 14 model, namun dilatih pada satu kartu grafis RTX 3090, sehingga batas atasnya ada pada data, bukan pada komputasi. Tantangan ini memasangkan data pelatihan yang tidak seimbang dengan set uji yang seimbang antarkelas emosi (Dutta et al., ABHINAYA 2025), itulah sebabnya penanganan ketidakseimbangan menonjol dalam entri-entri terdepan.
3. Ambiguitas Label, Kesepakatan Manusia, dan Transfer Lintas Korpus
Skor rendah pada bagian 2 sebagian merupakan masalah pengukuran. Hampir satu dari lima giliran bicara dalam rilis final MSP-Podcast (48.180 dari 267.905) tidak memiliki label mayoritas untuk emosi utama di antara sedikitnya lima penilai (Busso et al., The MSP-Podcast Corpus 2025). Ketika orang tidak dapat bersepakat tentang suatu label, model yang dinilai terhadap label itu mewarisi ketidaksepakatan tersebut sebagai batas atas.
Transfer antarkorpus adalah titik lemah kedua. Model yang dilatih pada satu dataset dan diuji pada dataset lain (pengujian lintas korpus) menghadapi pembicara, mikrofon, dan kebiasaan pelabelan yang baru. Dalam uji lintas korpus EmoBox, setiap korpus menyumbang 240 klip uji yang seimbang pada empat emosi (marah, senang, netral, sedih), sehingga tebakan acak akan mencetak sekitar 25%. Model terkuat, Whisper large v3, berkisar dari akurasi 36,44% hingga 66,91% pada 12 pasangan pelatihan-uji.
| Metrik | Nilai | Sumber |
|---|---|---|
| MSP-Podcast 2.0: audio beranotasi, giliran bicara, pembicara, penilai per giliran | 409 jam, 267.905 giliran, 3.641 pembicara, sedikitnya 5 penilai per giliran | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| Giliran bicara tanpa label mayoritas untuk emosi utama | 48.180 dari 267.905 (17,98%, perhitungan kami) | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| Kesepakatan antarpenilai pada emosi utama (kappa) | 0,411 | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| Giliran bicara berlabel takut | 1.943 dari 267.905 (0,73%, perhitungan kami) | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| Pendengar manusia tanpa pelatihan menyebutkan emosi yang diperankan dalam ucapan RAVDESS, hanya audio (proporsi benar) | 0,63 (IK 95% 0,62 hingga 0,64) | Livingstone dan Russo, PLOS ONE 2018 (data terbaru yang tersedia) |
| Akurasi lintas korpus Whisper large v3: dilatih pada IEMOCAP, diuji pada RAVDESS versus dilatih pada RAVDESS, diuji pada SAVEE | 38,24% versus 66,91% | papan peringkat lintas korpus EmoBox, 2024 |
| Kesepakatan valensi (CCC) model dengan pemetaan penganotasi: diuji pada MSP-Podcast versus ditransfer ke IEMOCAP | 0,647 versus 0,516 | Tavernor dan Mower Provost, arXiv 2509.12295 (2025) |
Konteks: angka manusia RAVDESS dan skor model pada bagian 1 bukan adu langsung, karena pendengar memilih di antara delapan label ditambah opsi ‘tidak ada yang cocok’ dalam kondisi yang berbeda. Angka lintas korpus EmoBox ada di papan peringkat publik, dan data validasi RAVDESS didokumentasikan pada catatan Zenodo-nya.
4. Akurasi Deteksi Depresi dan Kecemasan Berbasis Suara
Model suara klinis biasanya tidak mengklasifikasikan emosi diskret. Model tersebut memprediksi apakah skor seseorang pada kuesioner seperti PHQ-9 (depresi) atau GAD-7 (kecemasan) melewati suatu ambang. Digabungkan dari 16 studi deep learning, deteksi depresi berbasis ucapan mencapai sensitivitas 0,83 dan spesifisitas 0,86 (Lu et al., BMC Psychiatry 2025). Studi tunggal terbesar di bawah ini melaporkan angka yang lebih rendah, pengingat bahwa rata-rata gabungan dari banyak sampel kecil bisa terlalu menyanjung.
Studi itu mengumpulkan sedikitnya 25 detik ucapan bebas dari 14.898 orang dewasa di AS dan Kanada dan, pada set validasi 4.456 sampelnya, melaporkan sensitivitas 71,3% (IK 95% 69,0 hingga 73,5) dan spesifisitas 73,5% (IK 95% 71,5 hingga 75,5) (Mazur et al., Annals of Family Medicine 2025). Studi ini didanai melalui hibah NSF yang diberikan kepada pengembangnya, dan tiga penulis adalah karyawan perusahaan tersebut. Model kecemasan jauh lebih sedikit diteliti, dan sebuah studi kehamilan menunjukkan betapa rapuhnya model tersebut ketika hanya ucapan pasien sendiri yang dipertahankan.
| Metrik | Nilai | Sumber |
|---|---|---|
| Model ucapan deep learning untuk depresi: sensitivitas / spesifisitas gabungan (16 studi) | 0,83 (IK 95% 0,77 hingga 0,88) / 0,86 (IK 95% 0,80 hingga 0,90) | Lu et al., BMC Psychiatry 2025 |
| AUC gabungan: deep learning versus machine learning tradisional | 0,91 versus 0,89 | Lu et al., BMC Psychiatry 2025 |
| Alat suara versus skor PHQ-9 10 atau lebih (studi 14.898 orang dewasa, 4.456 dalam validasi): sensitivitas / spesifisitas | 71,3% / 73,5% | Mazur et al., Annals of Family Medicine 2025 |
| Sampel validasi yang dikembalikan sebagai ‘evaluasi lebih lanjut disarankan’ alih-alih hasil ya/tidak | 920 dari 4.456 (sekitar 20%) | Mazur et al., Annals of Family Medicine 2025 |
| Orang dewasa Prancis dari populasi umum (865 orang): AUC untuk depresi (PHQ-9) dan kecemasan (GAD-7) | 0,76 dan 0,77 | Riad et al., Journal of Medical Internet Research 2024 |
| Studi yang sama: skor F1 untuk risiko PHQ-9 dan GAD-7 | 0,49 dan 0,50 | Riad et al., Journal of Medical Internet Research 2024 |
| Studi kehamilan (146 perempuan): F1 model GAD, wawancara penuh versus hanya ucapan pasien yang terverifikasi | 76% hingga 80% versus 51% hingga 65% | Bayrampour et al., Journal of Clinical Psychiatry 2026 |
| Nada suara (frekuensi fundamental) pada depresi versus kontrol, digabung dari 6 studi | 1,82 Hz lebih rendah, p = 0,56 (tidak signifikan) | Cantor-Cutiva et al., Depression and Anxiety 2026 |
Konteks: selisih AUC antara deep learning dan model tradisional tidak signifikan secara statistik dalam analisis BMC Psychiatry, dan studi JMIR tentang kecemasan dan depresi menunjukkan bahwa AUC yang layak tetap bisa berpasangan dengan F1 yang sederhana ketika hanya sedikit orang dalam sampel yang melewati ambang. Untuk aplikasi konsumen yang merekam jurnal suara alih-alih menyaring penyakit, lihat rangkuman kami tentang aplikasi jurnal suara dan terapi berbasis AI.
5. Kesenjangan Bukti: Validasi, Keadilan, dan Kesiapan Klinis
Angka akurasi pada bagian 4 sebagian besar berasal dari model yang diuji pada data yang mirip dengan data pelatihannya. Tinjauan pelingkupan 2026 menemukan bahwa hanya 2 dari 68 studi kesehatan mental berbasis suara dan ucapan (3%) yang memvalidasi modelnya pada sampel independen atau lintas dataset (Uy et al., Frontiers in Digital Health 2026). Dibaca bersama bagian 3, tempat akurasi turun tajam antarkorpus, inilah alasan tunggal terbesar untuk mendiskon angka akurasi utama.
Keadilan adalah pertanyaan terbuka lainnya. Dalam studi depresi terhadap 14.898 orang, sensitivitas pada laki-laki 14,7 poin persentase lebih rendah daripada perempuan (59,3% versus 74,0%), dan laki-laki terwakili berlebih di antara kasus yang terlewat (31,7% dari negatif palsu versus 27,9% dari set validasi). Teknologi ucapan memiliki rekam jejak panjang kinerja yang tidak merata antarkelompok pembicara, sebagaimana didokumentasikan rangkuman kami tentang bias aksen dalam pengenalan ucapan.
| Metrik | Nilai | Sumber |
|---|---|---|
| Studi suara kesehatan mental dengan validasi independen atau lintas dataset | 2 dari 68 (3%) | Uy et al., Frontiers in Digital Health 2026 |
| Studi dalam tinjauan yang sama yang menargetkan depresi | 56 dari 68 (82%) | Uy et al., Frontiers in Digital Health 2026 |
| Studi yang menangkap ucapan secara pasif (rekaman lingkungan) | 3 dari 68 (4%) | Uy et al., Frontiers in Digital Health 2026 |
| Evaluasi dataset skrining suara dengan validasi eksternal / pengujian dunia nyata | 32% / 8% (dari 37 evaluasi) | Muntean-Codrea et al., Life 2026 |
| Evaluasi dataset yang dinilai berkesiapan klinis tinggi | 11% | Muntean-Codrea et al., Life 2026 |
| Studi yang disertakan (dari 34) yang membahas kecemasan | 1 | Muntean-Codrea et al., Life 2026 |
| Studi keterjelasan AI suara klinis dengan evaluasi manusia dalam alur oleh para pemangku kepentingan | 0 dari 30 | Ebraheem et al., Journal of Medical Internet Research 2026 |
| Sensitivitas alat suara depresi: laki-laki versus perempuan | 59,3% versus 74,0% | Mazur et al., Annals of Family Medicine 2025 |
Konteks: tinjauan Life menyatakan bahwa ‘tidak ada evaluasi yang memenuhi kelima indikator’ kesiapan klinis (Muntean-Codrea et al., Life 2026). Tinjauan keterjelasan JMIR menemukan bahwa 6 dari 30 studinya menggunakan data eksternal untuk memeriksa penjelasan mereka.
6. Penggunaan Teleterapi untuk Kesehatan Mental
Telekesehatan adalah tempat analisis suara paling mungkin dijalankan, karena audio sesi sudah melewati perangkat lunak. Pada 2025, 44,7% orang dewasa AS dengan episode depresi mayor dalam setahun terakhir, atau 8,8 juta orang, menerima perawatan kesehatan mental melalui telekesehatan (SAMHSA, 2025 NSDUH Annual National Report). Penggunaan di seluruh populasi sedikit turun dari 12,8% orang dewasa pada 2024 menjadi 12,3% pada 2025, yang menunjukkan bahwa teleterapi telah menetap sebagai kanal yang stabil, bukan lonjakan akibat pandemi.
Data klaim menunjukkan gambaran yang sama dari sisi pembayar: kesehatan mental adalah kategori diagnosis telekesehatan teratas di setiap kelompok usia, dan psikoterapi adalah kategori prosedur telekesehatan kedua yang paling umum (FAIR Health, Quarterly Telehealth Regional Tracker January to March 2026). Di kalangan psikolog, praktik yang sepenuhnya jarak jauh turun dari 64% pada 2020 menjadi 21% pada 2023, dengan 67% bekerja secara hibrida (APA, Practitioner Survey infographic 2023, data terbaru yang tersedia untuk rincian ini).
| Metrik | Nilai | Sumber |
|---|---|---|
| Orang dewasa AS yang menerima perawatan kesehatan mental melalui telekesehatan, 2025 | 12,3% (32,6 juta) | SAMHSA, 2025 NSDUH Annual National Report |
| Orang dewasa AS yang menerima perawatan kesehatan mental melalui telekesehatan, 2024 | 12,8% (33,4 juta) | SAMHSA, 2024 NSDUH Annual National Report |
| Orang dewasa dengan penyakit mental apa pun yang dirawat melalui telekesehatan, 2025 | 32,8% (17,9 juta dari 54,6 juta) | SAMHSA, 2025 NSDUH Annual National Report |
| Pasien telekesehatan (berasuransi komersial) dengan diagnosis kesehatan mental, kuartal 1 2026 | 52,1% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| Ukuran yang sama, pasien usia 19 hingga 30 tahun versus usia 65 tahun ke atas | 69,4% versus 22,0% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| Pasien telekesehatan yang ditagih untuk layanan psikoterapi | 35,0% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| Pasien berasuransi komersial dengan klaim telekesehatan apa pun: perkotaan versus perdesaan | 18,6% versus 10,3% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| Psikoterapi berbasis video versus tatap muka, 12 uji acak (900 orang): Hedges g untuk penurunan gejala | -0,09 (IK 95% -0,52 hingga 0,33), tidak ada perbedaan signifikan | tinjauan sistematis dan meta-analisis multilevel JMIR 2026 |
Konteks: NHIS, survei federal yang berbeda, menemukan bahwa 14,0% orang dewasa AS menerima konseling atau terapi dari profesional kesehatan mental pada 2024, naik menjadi 20,2% di kalangan orang dewasa usia 18 hingga 29 tahun (CDC NCHS Data Brief No. 564). Hasil terapi video berasal dari meta-analisis JMIR 2026. Untuk saluran krisis dan bukan sesi terjadwal, lihat rangkuman kami tentang volume panggilan 988 Suicide and Crisis Lifeline.
7. Regulasi, Etika, dan Sikap Klinisi
Pengenalan emosi adalah salah satu dari sedikit penggunaan AI yang dilarang sepenuhnya oleh Uni Eropa dalam lingkungan tertentu. Pasal 5(1)(f) EU AI Act melarang sistem AI yang menyimpulkan emosi seseorang di tempat kerja dan lembaga pendidikan, dengan pengecualian untuk alasan medis atau keselamatan, dan larangan ini berlaku sejak 2 Februari 2025 (Regulation (EU) 2024/1689). Di luar lingkungan tersebut, sistem pengenalan emosi digolongkan berisiko tinggi, dan siapa pun yang menerapkannya harus memberi tahu orang-orang yang terpapar sistem itu. Konsiderans Act tersebut mendefinisikan emosi sebagai keadaan seperti kebahagiaan, kesedihan, kemarahan, keterkejutan, dan rasa jijik, serta mengecualikan keadaan fisik seperti nyeri atau kelelahan.
Di AS, regulasi menyasar terapi AI dan bukan deteksi emosi. Illinois menandatangani Wellness and Oversight for Psychological Resources Act pada 4 Agustus 2025, melarang AI mengambil keputusan terapeutik sambil tetap mengizinkan dukungan administratif (siaran pers IDFPR Illinois 2025). Para klinisi mengadopsi AI dengan cepat tetapi dengan kekhawatiran yang jelas tentang privasi dan bias (APA, 2025 Practitioner Pulse Survey).
| Metrik | Nilai | Sumber |
|---|---|---|
| Tanggal mulai berlakunya larangan UE atas penyimpulan emosi di tempat kerja dan pendidikan | 2 Februari 2025 | Regulation (EU) 2024/1689, Pasal 5 dan 113 |
| Denda maksimum untuk praktik AI yang dilarang | EUR 35.000.000 atau 7% dari total omzet tahunan global, mana pun yang lebih tinggi | Regulation (EU) 2024/1689, Pasal 99 |
| Tanggal penerapan umum AI Act (pengenalan emosi tercantum sebagai berisiko tinggi di Lampiran III) | 2 Agustus 2026 | Regulation (EU) 2024/1689, Pasal 113 dan Lampiran III |
| Denda Illinois per pelanggaran terkonfirmasi atas undang-undang terapi AI | Hingga $10.000 | siaran pers IDFPR Illinois, Agustus 2025 |
| Psikolog AS yang belum pernah menggunakan AI dalam praktiknya: 2024 versus 2025 | 71% versus 44% | APA, 2025 Practitioner Pulse Survey |
| Psikolog yang menggunakan AI setidaknya sebulan sekali: 2024 versus 2025 | 11% versus 29% | APA, 2025 Practitioner Pulse Survey |
| Psikolog yang menyebut potensi kebocoran data / masukan dan keluaran yang bias sebagai kekhawatiran terkait AI, 2025 | 67% / 63% | APA, 2025 Practitioner Pulse Survey |
| Psikolog tanpa slot untuk pasien baru / dengan daftar tunggu, 2025 | 46% / 40% | APA, 2025 Practitioner Pulse Survey |
Konteks: Undang-Undang Illinois disahkan secara bulat di kedua kamar. Survei APA memiliki 1.742 responden dari 26.502 undangan yang terkirim, tingkat penyelesaian 6,6%, sehingga pergeseran kecil antartahun perlu dibaca dengan hati-hati.
Ringkasan: Pengenalan Emosi Ucapan dan Teleterapi dalam Angka
| Metrik | Nilai | Sumber |
|---|---|---|
| macro-F1 delapan kelas tertinggi pada ucapan alami (versus baseline) | 0,4316 (versus 0,3293) | MSP Lab, papan peringkat Interspeech 2025 SER Challenge |
| Rata-rata CCC tertinggi untuk arousal, valensi, dan dominansi | 0,6076 | MSP Lab, papan peringkat Interspeech 2025 SER Challenge |
| UA terbaik pada RAVDESS (diperankan) versus MSP-Podcast (alami) | 75,32% versus 22,24% | EmoBox (Ma et al.), Interspeech 2024 |
| Giliran MSP-Podcast tanpa kesepakatan penilai pada emosi utama | 17,98% dari 267.905 | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| Kesepakatan penilai pada emosi utama (kappa) | 0,411 | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| Sampel netral versus takut dalam data pelatihan tantangan | Netral sekitar 26 kali lebih sering | Dutta et al., ABHINAYA, arXiv 2025 |
| Pendengar manusia pada audio ucapan RAVDESS (proporsi benar) | 0,63 | Livingstone dan Russo, PLOS ONE 2018 |
| Deteksi depresi dengan deep learning: sensitivitas / spesifisitas gabungan | 0,83 / 0,86 | Lu et al., BMC Psychiatry 2025 |
| AUC gabungan, model depresi deep learning | 0,91 | Lu et al., BMC Psychiatry 2025 |
| Alat suara (studi 14.898 orang dewasa): sensitivitas / spesifisitas | 71,3% / 73,5% | Mazur et al., Annals of Family Medicine 2025 |
| Sensitivitas alat suara: laki-laki versus perempuan | 59,3% versus 74,0% | Mazur et al., Annals of Family Medicine 2025 |
| AUC untuk kecemasan (GAD-7) dari ucapan, 865 orang dewasa | 0,77 | Riad et al., Journal of Medical Internet Research 2024 |
| Studi suara kesehatan mental dengan validasi independen | 2 dari 68 (3%) | Uy et al., Frontiers in Digital Health 2026 |
| Evaluasi dataset yang dinilai berkesiapan klinis tinggi | 11% | Muntean-Codrea et al., Life 2026 |
| Orang dewasa AS yang dirawat untuk kesehatan mental melalui telekesehatan, 2025 | 12,3% (32,6 juta) | SAMHSA, 2025 NSDUH Annual National Report |
| Orang dewasa dengan episode depresi mayor setahun terakhir yang dirawat melalui telekesehatan, 2025 | 44,7% (8,8 juta) | SAMHSA, 2025 NSDUH Annual National Report |
| Pasien telekesehatan dengan diagnosis kesehatan mental, kuartal 1 2026 | 52,1% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| Larangan UE atas penyimpulan emosi di tempat kerja dan pendidikan berlaku sejak | 2 Februari 2025 | Regulation (EU) 2024/1689 |
| Psikolog yang menggunakan AI setidaknya sebulan sekali, 2025 | 29% | APA, 2025 Practitioner Pulse Survey |
Metodologi dan Sumber
- EmoBox: Multilingual Multi-corpus Speech Emotion Recognition Toolkit and Benchmark (Ma et al., Interspeech 2024) dan papan peringkat lintas korpus-nya: akurasi intrakorpus dan lintas korpus.
- ParaLBench: A Large-Scale Benchmark for Computational Paralinguistics over Acoustic Foundation Models (arXiv 2024): hasil IEMOCAP untuk 14 model fondasi.
- USC SAIL Lab, basis data IEMOCAP: ukuran korpus.
- MSP Lab, Interspeech 2025 Challenge on Speech Emotion Recognition in Naturalistic Conditions: baseline dan papan peringkat; ringkasan penyelenggara dalam Naini et al., Proc. Interspeech 2025.
- Dutta et al., ABHINAYA (arXiv 2505.18217, 2025) dan MEDUSA (arXiv 2506.09556, 2025): makalah sistem peserta.
- Busso et al., The MSP-Podcast Corpus (arXiv 2509.09791, 2025): ukuran korpus, kesepakatan penilai, distribusi label.
- Tavernor dan Mower Provost, pemodelan penganotasi untuk SER lintas korpus (arXiv 2509.12295, 2025).
- Livingstone dan Russo, RAVDESS, PLOS ONE 2018 dan catatan Zenodo RAVDESS.
- Lu et al., BMC Psychiatry 2025; Mazur et al., Annals of Family Medicine 2025; Riad et al., Journal of Medical Internet Research 2024; Bayrampour et al., Journal of Clinical Psychiatry 2026; Cantor-Cutiva et al., Depression and Anxiety 2026.
- Uy et al., Frontiers in Digital Health 2026; Muntean-Codrea et al., Life 2026; Ebraheem et al., Journal of Medical Internet Research 2026.
- SAMHSA, 2025 NSDUH Annual National Report dan 2024 NSDUH Annual National Report.
- FAIR Health, Quarterly Telehealth Regional Tracker, January to March 2026, United States.
- CDC NCHS Data Brief No. 564, Mental Health Treatment Among Adults: United States, 2024.
- Meta-analisis psikoterapi berbasis video versus tatap muka, Journal of Medical Internet Research 2026.
- APA, 2025 Practitioner Pulse Survey dan infografis lokasi telekesehatan APA 2020 hingga 2023.
- Regulation (EU) 2024/1689 (EU AI Act), teks Lembaran Resmi: Pasal 3(39), Pasal 5(1)(f), Pasal 50(3), Pasal 99(3), Pasal 113, Lampiran III butir 1(c), konsiderans 18.
- Siaran pers IDFPR Illinois tentang HB1806, 4 Agustus 2025.
- Catatan data: skor benchmark tidak dapat dibandingkan antarkorpus karena set label, keseimbangan kelas, dan metrik berbeda (UA, WA, macro-F1, dan CCC mengukur hal yang berbeda). Abstrak ABHINAYA melaporkan peringkat ke-4 dari 166 pengiriman; skor 44,02% dihitung oleh penyelenggara setelah tenggat dan bukan peringkat resmi. Makalah MSP-Podcast menyebut emosi netral sekitar 28% giliran dalam teksnya, sementara jumlah pada tabelnya (79.117 dari 267.905) menghasilkan 29,53%, dan menyebut 409 jam dalam teks versus 407 jam dalam sebuah tabel; persentase yang ditandai ‘perhitungan kami’ dihitung dari jumlah pada tabel. Studi alat suara depresi didanai melalui hibah kepada pengembangnya, dengan tiga karyawan perusahaan sebagai penulis. Data Riad et al. berasal dari 2024 dan penilaian manusia RAVDESS dari 2018, yang terbaru yang tersedia untuk pengukuran tersebut. NSDUH (perawatan apa pun, dilaporkan sendiri) dan NHIS (konseling atau terapi dari profesional) mengukur hal yang berbeda, sehingga persentasenya tidak boleh dibandingkan secara langsung. FAIR Health hanya mencakup pasien berasuransi komersial dan mengganti pelacak bulanannya dengan pelacak kuartalan pada 2026, sehingga angka bulanan lama tidak dapat dibandingkan secara langsung. Survei APA memiliki tingkat penyelesaian yang rendah (6,6% pada 2025). Tanggal-tanggal EU AI Act dikutip dari teks Lembaran Resmi Regulation (EU) 2024/1689; setiap perubahan lebih lanjut pada jadwalnya harus diperiksa terhadap versi konsolidasi terkini.
Terakhir diperbarui: 25 Oktober 2026. Kami memperbarui rangkuman ini setiap kuartal, dan pembaruan berikutnya diperkirakan terjadi ketika FAIR Health menerbitkan Quarterly Telehealth Regional Tracker berikutnya dan MSP Lab memublikasikan hasil tantangan pengenalan emosi ucapan berikutnya.