Two kinds of meaning in speech: what you say vs. how you feel

Words carry facts; voices carry feelings. đŸŽ™ïžđŸ§©đŸ˜ŠđŸ“Š

This study separates descriptive semantics (the content) from expressive semantics (the emotion). After viewing emotional movie segments, participants described their experiences. Findings: descriptive semantics align with intended emotions, while expressive semantics correlate with evoked emotions (valence/arousal).

Why it matters: Speech Emotion Recognition can be more context-aware by modeling both the story and the state—helping human–AI interactions feel more attuned.

If you build SER, consider a two-lens approach.

Paper: http://arxiv.org/abs/2510.03060v1
Register: https://www.AiFeta.com

Paper: http://arxiv.org/abs/2510.03060v1

Register: https://www.AiFeta.com

#EmotionAI #SpeechAI #AffectiveComputing #HCI #ContextAware #NLP #ValenceArousal

Read more

Se, mitÀ pidÀmme kuvissa samanlaisena, riippuu sanoista

Se, mitÀ pidÀmme kuvissa samanlaisena, riippuu sanoista

Olet etsimĂ€ssĂ€ uutta takkia verkosta. Kirjoitat hakukenttÀÀn “villakangastakki”. EnsimmĂ€iset osumat ovat jĂ€rkeviĂ€, mutta sinĂ€ mietit: haluaisin nimenomaan tummanharmaan, polvipituisen ja arkikĂ€yttöön sopivan. YhtĂ€kkiĂ€ “samanlainen takki” tarkoittaakin eri asiaa kuin hetkeĂ€ aiemmin. Silti useimmat kuvahaun ja verkkokaupan jĂ€rjestelmĂ€t vertaavat kuvia toisiinsa yhden ja saman, kiveen hakatun mittarin mukaan. Perinteinen oletus on

By Kari Jaaskelainen
NĂ€kymĂ€tön lisĂ€ys kuvaan voi kantaa pitkĂ€n viestin – ja sĂ€ilyĂ€ tavallisen muokkauksen lĂ€pi

NĂ€kymĂ€tön lisĂ€ys kuvaan voi kantaa pitkĂ€n viestin – ja sĂ€ilyĂ€ tavallisen muokkauksen lĂ€pi

Kun tekoÀlyn tekemÀt kuvat yleistyvÀt, pelkkÀ arvaus alkuperÀstÀ ei riitÀ. Tuoreet kokeet osoittavat, ettÀ yksinkertainen, huomaamaton vesileima voi kertoa sekÀ onko kuva koneella tehty ettÀ kuka sen teki. Sosiaalisen median virrassa kuva nÀyttÀÀ aina kuvalta: naurava hÀÀseurue, tulviva katu, presidentti kÀttelemÀssÀ. Silti yhÀ useammin kysymys kuuluu, mistÀ kuva on perÀisin

By Kari Jaaskelainen
Tietokone, joka kuuntelee sanat, ÀÀnen ja ilmeet, voi kertoa myös miksi se epÀilee masennusta

Tietokone, joka kuuntelee sanat, ÀÀnen ja ilmeet, voi kertoa myös miksi se epÀilee masennusta

Moni tunnistaa tilanteen terveyskeskuksessa tai videopuhelussa: kysymykseen ”mitĂ€ kuuluu?” on helpompi vastata ”ihan ok” kuin kertoa oikeasti, miltĂ€ tuntuu. HĂ€peĂ€, kiire ja se, ettĂ€ oireet ovat lopulta vain omia kokemuksia, vaikeuttavat masennuksen huomaamista – sekĂ€ potilaalta ettĂ€ ammattilaiselta. Yleinen ajatus on ollut, ettĂ€ jos tekoĂ€ly oppisi poimimaan masennuksen merkkejĂ€ puheesta, tekstistĂ€

By Kari Jaaskelainen
KeinoÀlystÀ on tulossa matemaatikon apuri, joka etsii poikkeukset ja ehdottaa polkuja

KeinoÀlystÀ on tulossa matemaatikon apuri, joka etsii poikkeukset ja ehdottaa polkuja

Koneet voivat oppia löytĂ€mÀÀn piilokuvioita, vinkata todistusten vĂ€livaiheita ja jopa keksiĂ€ yksittĂ€isiĂ€ tapauksia, jotka kumoavat rohkeita vĂ€itteitĂ€ – ja se voi muuttaa tapaa, jolla uutta matematiikkaa syntyy. Arjessa riittÀÀ usein, ettĂ€ jokin toimii melkein aina. Matematiikassa yksi poikkeus riittÀÀ kaatamaan koko sÀÀnnön. Jos vĂ€itĂ€t, ettĂ€ jokaisessa bussissa on aina vapaa paikka,

By Kari Jaaskelainen