Победившая система конкурса Interspeech 2025 по распознаванию эмоций по речи в естественных условиях показала макро-F1 всего 0,4316 по восьми эмоциям на реальной речи из подкастов, тогда как лучшая из 10 протестированных моделей набирает 75,32% невзвешенной точности на корпусе сыгранной речи RAVDESS (бенчмарк EmoBox, Interspeech 2024). Тот же разрыв проходит через клинические исследования голоса: модели глубокого обучения дают объединённую чувствительность 0,83 при выявлении депрессии по речи (Lu и др., BMC Psychiatry 2025), однако лишь 2 из 68 исследований психического здоровья по голосу проверили модель на независимом наборе данных (Uy и др., Frontiers in Digital Health 2026). Между тем телетерапия уже стала рутиной: 12,3% взрослых в США, то есть 32,6 миллиона человек, получили лечение психических расстройств через телемедицину в 2025 году (SAMHSA, NSDUH 2025). Мы собрали данные из таблиц результатов конкурсов MSP Lab, бенчмарков EmoBox и ParaLBench, BMC Psychiatry, Annals of Family Medicine, JMIR, SAMHSA, FAIR Health, CDC NCHS, American Psychological Association и текста Регламента ЕС об ИИ. О деменции в исследованиях здоровья по голосу см. наш отдельный обзор голосовых биомаркеров болезни Альцгеймера и когнитивных нарушений.
На этой странице приводятся только результаты исследований. Это не медицинская рекомендация, и ни один из описанных здесь инструментов не заменяет обследование у квалифицированного специалиста.
Кратко (TL;DR)
- Наивысший макро-F1 при распознавании эмоций по естественной речи по восьми классам составил 0,4316 при базовом показателе 0,3293 (MSP Lab, таблица результатов конкурса SER Interspeech 2025).
- Лучшая модель достигла 75,32% невзвешенной точности на сыгранном RAVDESS, но лишь 22,24% на MSP-Podcast (бенчмарк EmoBox, Interspeech 2024).
- У 17,98% из 267 905 реплик MSP-Podcast не было согласия оценщиков по основной эмоции (Busso и др., MSP-Podcast Corpus 2025).
- Слушатели-люди распознавали сыгранные эмоции в аудиозаписях речи RAVDESS с долей верных ответов 0,63 (Livingstone и Russo, PLOS ONE 2018).
- Выявление депрессии по речи с помощью глубокого обучения дало объединённую чувствительность 0,83 и специфичность 0,86 по 16 исследованиям (Lu и др., BMC Psychiatry 2025).
- Голосовой инструмент, изученный на 14 898 взрослых (4 456 в валидации), показал чувствительность 71,3% и специфичность 73,5% для депрессии средней и тяжёлой степени (Mazur и др., Annals of Family Medicine 2025).
- Лишь 2 из 68 исследований психического здоровья по голосу использовали независимую валидацию или валидацию на другом наборе данных (Uy и др., Frontiers in Digital Health 2026).
- 32,8% взрослых в США с любым психическим заболеванием получили лечение через телемедицину в 2025 году (SAMHSA, NSDUH 2025).
- У 52,1% пациентов телемедицины с частной страховкой в 1-м квартале 2026 года был диагноз в области психического здоровья (FAIR Health, Quarterly Telehealth Regional Tracker 2026).
- Запрет Регламента ЕС об ИИ на определение эмоций на работе и в школах действует с 2 февраля 2025 года (Регламент (ЕС) 2024/1689).
- 29% психологов в США использовали ИИ не реже раза в месяц в 2025 году против 11% в 2024 году (APA, 2025 Practitioner Pulse Survey).
1. Точность бенчмарков на стандартных корпусах эмоций
В этом разделе повторяются три метрики. Невзвешенная точность (UA) усредняет долю верных ответов по каждому классу эмоций, так что все эмоции учитываются одинаково. Взвешенная точность (WA) - это просто доля верных ответов, которая вознаграждает модель за верное определение самой частой эмоции. Макро-F1 - похожая сбалансированная по классам оценка, которая дополнительно штрафует ложные срабатывания.
На сыгранных или жёстко контролируемых корпусах лучшая модель показывает от 73,54% UA (IEMOCAP) до 84,62% UA (ESD). Лучшая из 10 предобученных моделей набрала 84,62% UA на корпусе ESD, но лишь 22,24% UA на MSP-Podcast, корпусе реальной речи из подкастов (бенчмарк EmoBox, Interspeech 2024). На MSP-Podcast взвешенная точность той же модели примерно вдвое выше невзвешенной, что говорит о том, что модель хорошо справляется с частыми эмоциями и плохо с редкими. Поэтому громкие показатели точности на сыгранных корпусах мало говорят о том, как система поведёт себя в телефонном разговоре или на сеансе терапии. Полные таблицы по каждому набору данных приведены в статье EmoBox.
| Показатель | Значение | Источник |
|---|---|---|
| Лучшая UA среди 10 моделей (Whisper large v3): IEMOCAP (сыгранный диалог двух участников) и RAVDESS (сыгранная речь) | 73,54% и 75,32% | EmoBox (Ma и др.), Interspeech 2024 |
| Корпус RAVDESS: профессиональные актёры и аудиофайлы речи | 24 актёра (12 женщин, 12 мужчин), 1 440 аудиофайлов речи | Livingstone и Russo, запись RAVDESS в Zenodo, 2018 |
| CREMA-D и ESD (сыгранные корпуса), лучшая UA | 76,75% и 84,62% | EmoBox (Ma и др.), Interspeech 2024 |
| MSP-Podcast (естественная речь из подкастов), лучшая модель: UA и WA | 22,24% и 44,10% | EmoBox (Ma и др.), Interspeech 2024 |
| MELD (диалоги из телесериалов), лучшая модель: UA и WA | 31,54% и 51,89% | EmoBox (Ma и др.), Interspeech 2024 |
| IEMOCAP, четыре класса эмоций, лучшая UA среди 14 акустических фундаментальных моделей (Whisper-large) | 0,690 | Бенчмарк ParaLBench, arXiv 2411.09349 (2024) |
| IEMOCAP, четыре класса эмоций, UA модели WavLM-large | 0,685 | Бенчмарк ParaLBench, arXiv 2411.09349 (2024) |
| Размер корпуса IEMOCAP | Около 12 часов аудиовизуальных данных | USC SAIL Lab, страница базы данных IEMOCAP |
Контекст: EmoBox охватывает 32 набора данных об эмоциях на 14 языках. Корпуса различаются числом классов эмоций и способом получения речи (категориальные метки IEMOCAP сосредоточены на четырёх эмоциях, речь RAVDESS использует восемь), поэтому оценки сопоставимы внутри строки, но не между строками. Результаты ParaLBench приводят к схожим выводам на другом наборе моделей.
2. Естественные условия: конкурс Interspeech 2025
Конкурс Interspeech 2025 предложил командам классифицировать восемь эмоций (гнев, радость, грусть, страх, удивление, презрение, отвращение, нейтральная) в спонтанной речи из корпуса MSP-Podcast и предсказать активацию, валентность и доминантность по шкале от 1 до 7. Победивший макро-F1 0,4316 - это прирост примерно на 0,10 по сравнению с базовым показателем 0,3293 (наш расчёт по официальной таблице результатов), что является реальным прогрессом, но всё же означает, что большинство решений на естественной речи при выборе из восьми вариантов остаются трудными.
Задача по измерениям рассказывает похожую историю. CCC, коэффициент конкордантной корреляции, показывает, насколько точно предсказанные оценки следуют за оценками людей (1 означает полное совпадение). Лучшие системы отслеживают валентность (насколько позитивно или негативно звучит голос) гораздо лучше, чем доминантность (насколько уверенно в себе звучит говорящий). В обзорной статье организаторов отмечено, что сочетание аудио- и текстовых фундаментальных моделей дало самые устойчивые системы.
| Показатель | Значение | Источник |
|---|---|---|
| Задача 1 (восемь классов эмоций), макро-F1 базового показателя | 0,3293 | MSP Lab, таблица результатов конкурса SER Interspeech 2025 |
| Задача 1, наивысший макро-F1 (команда NTUA) | 0,4316 | MSP Lab, таблица результатов конкурса SER Interspeech 2025 |
| Задача 2 (активация, валентность, доминантность), средний CCC: базовый показатель и лучшая система (команда SAIL) | 0,5797 и 0,6076 | MSP Lab, таблица результатов конкурса SER Interspeech 2025 |
| Задача 2, лучшая система: CCC валентности и CCC доминантности | 0,6829 и 0,498 | MSP Lab, таблица результатов конкурса SER Interspeech 2025 |
| Заявки по Задаче 1, о которых сообщила одна из команд-участниц | 166 | Dutta и др., ABHINAYA, arXiv 2505.18217 (2025) |
| Система той же команды, оценённая организаторами после срока подачи: макро-F1 | 44,02% | Dutta и др., ABHINAYA, arXiv 2505.18217 (2025) |
| Обучающие данные конкурса: нейтральные примеры и примеры со страхом | Нейтральных примерно в 26 раз больше | Dutta и др., ABHINAYA, arXiv 2505.18217 (2025) |
Контекст: занявшая первое место система MEDUSA использовала ансамбль из 14 моделей, но обучалась на единственной видеокарте RTX 3090, так что потолок здесь задают данные, а не вычислительные мощности. Конкурс сочетал несбалансированные обучающие данные со сбалансированными по классам эмоций тестовыми наборами (Dutta и др., ABHINAYA 2025), поэтому работа с дисбалансом присутствовала в ведущих заявках.
3. Неоднозначность меток, согласие людей и перенос между корпусами
Низкие оценки из раздела 2 отчасти объясняются проблемой измерения. Почти у каждой пятой реплики в финальной версии MSP-Podcast (48 180 из 267 905) не было согласия по относительному большинству по основной эмоции среди как минимум пяти оценщиков (Busso и др., The MSP-Podcast Corpus 2025). Когда люди не могут договориться о метке, модель, оцениваемая по этой метке, наследует несогласие как потолок.
Перенос между корпусами - вторая слабая точка. Модель, обученная на одном наборе данных и протестированная на другом (межкорпусное тестирование), сталкивается с новыми говорящими, микрофонами и привычками разметки. В межкорпусном тесте EmoBox каждый корпус даёт 240 тестовых фрагментов, сбалансированных по четырём эмоциям (гнев, радость, нейтральная, грусть), так что случайное угадывание дало бы около 25%. Самая сильная модель, Whisper large v3, показала точность от 36,44% до 66,91% по 12 парам «обучение - тест».
| Показатель | Значение | Источник |
|---|---|---|
| MSP-Podcast 2.0: размеченное аудио, реплики, говорящие, оценщики на реплику | 409 часов, 267 905 реплик, 3 641 говорящий, не менее 5 оценщиков на реплику | Busso и др., The MSP-Podcast Corpus, arXiv 2025 |
| Реплики без согласия по относительному большинству по основной эмоции | 48 180 из 267 905 (17,98%, наш расчёт) | Busso и др., The MSP-Podcast Corpus, arXiv 2025 |
| Согласованность между оценщиками по основной эмоции (каппа) | 0,411 | Busso и др., The MSP-Podcast Corpus, arXiv 2025 |
| Реплики с меткой «страх» | 1 943 из 267 905 (0,73%, наш расчёт) | Busso и др., The MSP-Podcast Corpus, arXiv 2025 |
| Необученные слушатели-люди называют сыгранную эмоцию в речи RAVDESS, только аудио (доля верных ответов) | 0,63 (95% ДИ от 0,62 до 0,64) | Livingstone и Russo, PLOS ONE 2018 (самые свежие доступные данные) |
| Межкорпусная точность Whisper large v3: обучение на IEMOCAP, тест на RAVDESS и обучение на RAVDESS, тест на SAVEE | 38,24% и 66,91% | Межкорпусная таблица результатов EmoBox, 2024 |
| Согласие по валентности (CCC) модели, отображённой через аннотаторов: тест на MSP-Podcast и перенос на IEMOCAP | 0,647 и 0,516 | Tavernor и Mower Provost, arXiv 2509.12295 (2025) |
Контекст: показатель людей на RAVDESS и оценки моделей из раздела 1 не являются прямым соревнованием, поскольку слушатели в иных условиях выбирали из восьми меток плюс вариант «ни одна из них». Межкорпусные результаты EmoBox приведены в публичной таблице результатов, а данные валидации RAVDESS описаны в его записи в Zenodo.
4. Точность голосового выявления депрессии и тревоги
Клинические голосовые модели обычно не классифицируют отдельные эмоции. Они предсказывают, превышает ли балл человека по опроснику вроде PHQ-9 (депрессия) или GAD-7 (тревога) заданный порог. При объединении 16 исследований глубокого обучения выявление депрессии по речи достигло чувствительности 0,83 и специфичности 0,86 (Lu и др., BMC Psychiatry 2025). Самое крупное отдельное исследование ниже сообщает более низкие цифры, что напоминает: объединённые средние по многим малым выборкам могут выглядеть слишком благоприятно.
В этом исследовании собрали не менее 25 секунд свободной речи у 14 898 взрослых в США и Канаде и на валидационной выборке из 4 456 образцов получили чувствительность 71,3% (95% ДИ от 69,0 до 73,5) и специфичность 73,5% (95% ДИ от 71,5 до 75,5) (Mazur и др., Annals of Family Medicine 2025). Исследование финансировалось грантами NSF, выданными разработчику, а трое авторов - сотрудники этой компании. Модели тревоги изучены гораздо меньше, а исследование с участием беременных показывает, насколько они хрупки, если сохраняется только собственная речь пациентки.
| Показатель | Значение | Источник |
|---|---|---|
| Речевые модели глубокого обучения для депрессии: объединённые чувствительность / специфичность (16 исследований) | 0,83 (95% ДИ от 0,77 до 0,88) / 0,86 (95% ДИ от 0,80 до 0,90) | Lu и др., BMC Psychiatry 2025 |
| Объединённая AUC: глубокое обучение и традиционное машинное обучение | 0,91 и 0,89 | Lu и др., BMC Psychiatry 2025 |
| Голосовой инструмент и балл PHQ-9, равный 10 и выше (исследование 14 898 взрослых, 4 456 в валидации): чувствительность / специфичность | 71,3% / 73,5% | Mazur и др., Annals of Family Medicine 2025 |
| Образцы валидации, для которых вместо ответа «да/нет» выдано «рекомендуется дополнительное обследование» | 920 из 4 456 (около 20%) | Mazur и др., Annals of Family Medicine 2025 |
| Взрослые французы из общей популяции (865 человек): AUC для депрессии (PHQ-9) и тревоги (GAD-7) | 0,76 и 0,77 | Riad и др., Journal of Medical Internet Research 2024 |
| То же исследование: F1 для риска по PHQ-9 и GAD-7 | 0,49 и 0,50 | Riad и др., Journal of Medical Internet Research 2024 |
| Исследование беременных (146 женщин): F1 модели GAD, полное интервью и только проверенная речь пациентки | от 76% до 80% и от 51% до 65% | Bayrampour и др., Journal of Clinical Psychiatry 2026 |
| Высота голоса (основная частота) при депрессии и в контроле, объединено по 6 исследованиям | на 1,82 Гц ниже, p = 0,56 (не значимо) | Cantor-Cutiva и др., Depression and Anxiety 2026 |
Контекст: разница в AUC между глубоким обучением и традиционными моделями не была статистически значимой в анализе BMC Psychiatry, а исследование JMIR о тревоге и депрессии показывает, что приличная AUC может сочетаться со скромным F1, когда лишь немногие участники выборки превышают порог. О потребительских приложениях, которые записывают голосовые дневники, а не проводят скрининг заболеваний, см. наш обзор приложений для голосового дневника и терапии на основе ИИ.
5. Пробелы в доказательствах: валидация, справедливость и клиническая готовность
Показатели точности из раздела 4 в основном получены на моделях, протестированных на данных, похожих на обучающие. Обзор предметного поля 2026 года показал, что лишь 2 из 68 исследований психического здоровья по голосу и речи (3%) провели валидацию модели на независимой выборке или на другом наборе данных (Uy и др., Frontiers in Digital Health 2026). В сочетании с разделом 3, где точность резко падает между корпусами, это главная причина делать скидку на громкие показатели точности.
Справедливость - другой открытый вопрос. В исследовании депрессии с 14 898 участниками чувствительность у мужчин была на 14,7 процентного пункта ниже, чем у женщин (59,3% против 74,0%), а мужчины были избыточно представлены среди пропущенных случаев (31,7% ложноотрицательных результатов против 27,9% валидационной выборки). У речевых технологий давно есть история неравномерной работы для разных групп говорящих, как показывает наш обзор предвзятости к акценту в распознавании речи.
| Показатель | Значение | Источник |
|---|---|---|
| Исследования психического здоровья по голосу с независимой валидацией или валидацией на другом наборе данных | 2 из 68 (3%) | Uy и др., Frontiers in Digital Health 2026 |
| Исследования того же обзора, нацеленные на депрессию | 56 из 68 (82%) | Uy и др., Frontiers in Digital Health 2026 |
| Исследования, фиксировавшие речь пассивно (фоновая запись) | 3 из 68 (4%) | Uy и др., Frontiers in Digital Health 2026 |
| Оценки наборов данных голосового скрининга с внешней валидацией / испытаниями в реальных условиях | 32% / 8% (из 37 оценок) | Muntean-Codrea и др., Life 2026 |
| Оценки наборов данных с высокой клинической готовностью | 11% | Muntean-Codrea и др., Life 2026 |
| Включённые исследования (из 34), затрагивавшие тревогу | 1 | Muntean-Codrea и др., Life 2026 |
| Исследования объяснимости клинического голосового ИИ с оценкой заинтересованными сторонами при участии человека в контуре принятия решений | 0 из 30 | Ebraheem и др., Journal of Medical Internet Research 2026 |
| Чувствительность голосового инструмента для депрессии: мужчины и женщины | 59,3% и 74,0% | Mazur и др., Annals of Family Medicine 2025 |
Контекст: в обзоре в Life сказано, что «ни одна оценка не соответствовала всем пяти показателям» клинической готовности (Muntean-Codrea и др., Life 2026). Обзор JMIR по объяснимости показал, что 6 из его 30 исследований использовали внешние данные для проверки своих объяснений.
6. Использование телетерапии для психического здоровья
Телемедицина - это место, где анализ голоса был бы всего вероятнее, потому что звук сеанса и так проходит через программное обеспечение. В 2025 году 44,7% взрослых в США с большим депрессивным эпизодом за последний год, то есть 8,8 миллиона человек, получили лечение психических расстройств через телемедицину (SAMHSA, 2025 NSDUH Annual National Report). Использование среди всего населения слегка снизилось с 12,8% взрослых в 2024 году до 12,3% в 2025 году, что говорит о том, что телетерапия закрепилась как стабильный канал, а не была пандемийным всплеском.
Данные по страховым требованиям показывают ту же картину со стороны плательщиков: психическое здоровье - главная диагностическая категория телемедицины во всех возрастных группах, а психотерапия - вторая по распространённости категория процедур в телемедицине (FAIR Health, Quarterly Telehealth Regional Tracker, январь - март 2026). Среди психологов доля полностью дистанционной практики снизилась с 64% в 2020 году до 21% в 2023 году, а 67% работают в гибридном формате (APA, инфографика Practitioner Survey 2023, самые свежие доступные данные для этой разбивки).
| Показатель | Значение | Источник |
|---|---|---|
| Взрослые в США, получившие лечение психических расстройств через телемедицину, 2025 | 12,3% (32,6 миллиона) | SAMHSA, 2025 NSDUH Annual National Report |
| Взрослые в США, получившие лечение психических расстройств через телемедицину, 2024 | 12,8% (33,4 миллиона) | SAMHSA, 2024 NSDUH Annual National Report |
| Взрослые с любым психическим заболеванием, получившие лечение через телемедицину, 2025 | 32,8% (17,9 миллиона из 54,6 миллиона) | SAMHSA, 2025 NSDUH Annual National Report |
| Пациенты телемедицины (с частной страховкой) с диагнозом в области психического здоровья, 1-й квартал 2026 | 52,1% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| Тот же показатель, пациенты 19-30 лет и 65 лет и старше | 69,4% и 22,0% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| Пациенты телемедицины, которым выставлен счёт за услуги психотерапии | 35,0% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| Пациенты с частной страховкой с любой строкой страховых требований по телемедицине: город и сельская местность | 18,6% и 10,3% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| Психотерапия по видео и очная, 12 рандомизированных испытаний (900 человек): g Хеджеса для снижения симптомов | -0,09 (95% ДИ от -0,52 до 0,33), значимой разницы нет | Систематический обзор и многоуровневый метаанализ JMIR, 2026 |
Контекст: NHIS, другое федеральное обследование, показало, что 14,0% взрослых в США получали консультирование или терапию у специалиста по психическому здоровью в 2024 году, а среди взрослых 18-29 лет - 20,2% (CDC NCHS Data Brief No. 564). Результат по видеотерапии взят из метаанализа JMIR 2026 года. О кризисных линиях, а не плановых сеансах, см. наш обзор объёма звонков на 988 Suicide and Crisis Lifeline.
7. Регулирование, этика и отношение специалистов
Распознавание эмоций - одно из немногих применений ИИ, которое ЕС прямо запретил в определённых сферах. Статья 5(1)(f) Регламента ЕС об ИИ запрещает системы ИИ, определяющие эмоции физического лица на рабочем месте и в образовательных учреждениях, с исключением по медицинским причинам или причинам безопасности, и этот запрет действует с 2 февраля 2025 года (Регламент (ЕС) 2024/1689). Вне этих сфер системы распознавания эмоций отнесены к системам высокого риска, и тот, кто их применяет, обязан информировать людей, на которых они направлены. Преамбула Регламента определяет эмоции как такие состояния, как радость, грусть, гнев, удивление и отвращение, и исключает физические состояния, такие как боль или усталость.
В США регулирование нацелено на терапию с помощью ИИ, а не на определение эмоций. Иллинойс подписал Закон о благополучии и надзоре в сфере психологических ресурсов 4 августа 2025 года, запретив ИИ принимать терапевтические решения, но разрешив административную поддержку (пресс-релиз IDFPR штата Иллинойс, 2025). Специалисты быстро внедряют ИИ, но с явными опасениями по поводу приватности и предвзятости (APA, 2025 Practitioner Pulse Survey).
| Показатель | Значение | Источник |
|---|---|---|
| Дата, с которой действует запрет ЕС на определение эмоций на работе и в образовании | 2 февраля 2025 года | Регламент (ЕС) 2024/1689, статьи 5 и 113 |
| Максимальный штраф за запрещённые практики ИИ | EUR 35 000 000 или 7% общего мирового годового оборота, в зависимости от того, что больше | Регламент (ЕС) 2024/1689, статья 99 |
| Дата общего применения Регламента об ИИ (распознавание эмоций отнесено к высокому риску в Приложении III) | 2 августа 2026 года | Регламент (ЕС) 2024/1689, статья 113 и Приложение III |
| Штраф в Иллинойсе за каждое подтверждённое нарушение закона о терапии с помощью ИИ | До 10 000 долларов США | Пресс-релиз IDFPR штата Иллинойс, август 2025 |
| Психологи в США, никогда не использовавшие ИИ в практике: 2024 и 2025 | 71% и 44% | APA, 2025 Practitioner Pulse Survey |
| Психологи, использующие ИИ не реже раза в месяц: 2024 и 2025 | 11% и 29% | APA, 2025 Practitioner Pulse Survey |
| Психологи, называющие возможные утечки данных / предвзятые входные и выходные данные проблемой ИИ, 2025 | 67% / 63% | APA, 2025 Practitioner Pulse Survey |
| Психологи без мест для новых пациентов / с листом ожидания, 2025 | 46% / 40% | APA, 2025 Practitioner Pulse Survey |
Контекст: закон Иллинойса был принят единогласно в обеих палатах. В опросе APA было 1 742 респондента из 26 502 доставленных приглашений, доля завершивших составила 6,6%, поэтому небольшие сдвиги между годами следует читать осторожно.
Итоги: распознавание эмоций по речи и телетерапия в цифрах
| Показатель | Значение | Источник |
|---|---|---|
| Наивысший макро-F1 по восьми классам на естественной речи (против базового показателя) | 0,4316 (против 0,3293) | MSP Lab, таблица результатов конкурса SER Interspeech 2025 |
| Наивысший средний CCC для активации, валентности и доминантности | 0,6076 | MSP Lab, таблица результатов конкурса SER Interspeech 2025 |
| Лучшая UA на RAVDESS (сыгранная речь) и MSP-Podcast (естественная речь) | 75,32% и 22,24% | EmoBox (Ma и др.), Interspeech 2024 |
| Реплики MSP-Podcast без согласия оценщиков по основной эмоции | 17,98% из 267 905 | Busso и др., The MSP-Podcast Corpus, arXiv 2025 |
| Согласие оценщиков по основной эмоции (каппа) | 0,411 | Busso и др., The MSP-Podcast Corpus, arXiv 2025 |
| Нейтральные примеры и примеры со страхом в обучающих данных конкурса | Нейтральных примерно в 26 раз больше | Dutta и др., ABHINAYA, arXiv 2025 |
| Слушатели-люди на аудиозаписях речи RAVDESS (доля верных ответов) | 0,63 | Livingstone и Russo, PLOS ONE 2018 |
| Выявление депрессии с помощью глубокого обучения: объединённые чувствительность / специфичность | 0,83 / 0,86 | Lu и др., BMC Psychiatry 2025 |
| Объединённая AUC, модели депрессии на основе глубокого обучения | 0,91 | Lu и др., BMC Psychiatry 2025 |
| Голосовой инструмент (исследование 14 898 взрослых): чувствительность / специфичность | 71,3% / 73,5% | Mazur и др., Annals of Family Medicine 2025 |
| Чувствительность голосового инструмента: мужчины и женщины | 59,3% и 74,0% | Mazur и др., Annals of Family Medicine 2025 |
| AUC для тревоги (GAD-7) по речи, 865 взрослых | 0,77 | Riad и др., Journal of Medical Internet Research 2024 |
| Исследования психического здоровья по голосу с независимой валидацией | 2 из 68 (3%) | Uy и др., Frontiers in Digital Health 2026 |
| Оценки наборов данных с высокой клинической готовностью | 11% | Muntean-Codrea и др., Life 2026 |
| Взрослые в США, получившие лечение психических расстройств через телемедицину, 2025 | 12,3% (32,6 миллиона) | SAMHSA, 2025 NSDUH Annual National Report |
| Взрослые с большим депрессивным эпизодом за последний год, получившие лечение через телемедицину, 2025 | 44,7% (8,8 миллиона) | SAMHSA, 2025 NSDUH Annual National Report |
| Пациенты телемедицины с диагнозом в области психического здоровья, 1-й квартал 2026 | 52,1% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| Запрет ЕС на определение эмоций на работе и в образовании действует с | 2 февраля 2025 года | Регламент (ЕС) 2024/1689 |
| Психологи, использующие ИИ не реже раза в месяц, 2025 | 29% | APA, 2025 Practitioner Pulse Survey |
Методология и источники
- EmoBox: Multilingual Multi-corpus Speech Emotion Recognition Toolkit and Benchmark (Ma и др., Interspeech 2024) и его межкорпусная таблица результатов: точность внутри корпуса и между корпусами.
- ParaLBench: A Large-Scale Benchmark for Computational Paralinguistics over Acoustic Foundation Models (arXiv 2024): результаты на IEMOCAP для 14 фундаментальных моделей.
- USC SAIL Lab, база данных IEMOCAP: размер корпуса.
- MSP Lab, Interspeech 2025 Challenge on Speech Emotion Recognition in Naturalistic Conditions: базовые показатели и таблицы результатов; сводка организаторов в Naini и др., Interspeech 2025.
- Dutta и др., ABHINAYA (arXiv 2505.18217, 2025) и MEDUSA (arXiv 2506.09556, 2025): статьи о системах участников.
- Busso и др., The MSP-Podcast Corpus (arXiv 2509.09791, 2025): размер корпуса, согласие оценщиков, распределение меток.
- Tavernor и Mower Provost, моделирование аннотаторов для межкорпусного SER (arXiv 2509.12295, 2025).
- Livingstone и Russo, RAVDESS, PLOS ONE 2018 и запись RAVDESS в Zenodo.
- Lu и др., BMC Psychiatry 2025; Mazur и др., Annals of Family Medicine 2025; Riad и др., Journal of Medical Internet Research 2024; Bayrampour и др., Journal of Clinical Psychiatry 2026; Cantor-Cutiva и др., Depression and Anxiety 2026.
- Uy и др., Frontiers in Digital Health 2026; Muntean-Codrea и др., Life 2026; Ebraheem и др., Journal of Medical Internet Research 2026.
- SAMHSA, 2025 NSDUH Annual National Report и 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.
- Метаанализ видеопсихотерапии и очной психотерапии, Journal of Medical Internet Research 2026.
- APA, 2025 Practitioner Pulse Survey и инфографика APA о месте проведения телемедицины, 2020-2023.
- Регламент (ЕС) 2024/1689 (Регламент ЕС об ИИ), текст Официального журнала: статья 3(39), статья 5(1)(f), статья 50(3), статья 99(3), статья 113, Приложение III пункт 1(c), пункт 18 преамбулы.
- Пресс-релиз IDFPR штата Иллинойс о HB1806, 4 августа 2025 года.
- Наблюдение по данным: оценки бенчмарков несопоставимы между корпусами, поскольку наборы меток, баланс классов и метрики различаются (UA, WA, макро-F1 и CCC измеряют разные вещи). В аннотации ABHINAYA сообщается о 4-м месте среди 166 заявок; её результат 44,02% рассчитан организаторами после срока подачи и не является официальным рейтингом. В тексте статьи о MSP-Podcast нейтральная эмоция составляет около 28% реплик, тогда как значения из её таблицы (79 117 из 267 905) дают 29,53%, а в тексте указано 409 часов против 407 часов в одной из таблиц; проценты с пометкой «наш расчёт» вычислены по значениям из таблицы. Исследование голосового инструмента для выявления депрессии финансировалось грантами его разработчику, трое авторов - сотрудники компании. Данные Riad и др. относятся к 2024 году, а оценки людей на RAVDESS - к 2018 году, это самые свежие доступные данные по этим показателям. NSDUH (любое лечение, самоотчёт) и NHIS (консультирование или терапия у специалиста) измеряют разные вещи, поэтому их проценты нельзя напрямую сравнивать. FAIR Health охватывает только пациентов с частной страховкой и в 2026 году заменила ежемесячный трекер ежеквартальным, поэтому более ранние ежемесячные данные напрямую несопоставимы. В опросах APA была низкая доля завершивших (6,6% в 2025 году). Даты Регламента ЕС об ИИ приводятся по тексту Официального журнала Регламента (ЕС) 2024/1689; любые последующие изменения его сроков следует сверять с актуальной консолидированной версией.
Последнее обновление: 25 октября 2026 года. Мы обновляем этот обзор ежеквартально, и следующее обновление ожидается, когда FAIR Health опубликует очередной Quarterly Telehealth Regional Tracker, а MSP Lab - результаты своего следующего конкурса по распознаванию эмоций по речи.