情绪是人们面对客观情景时的心理状态及由此产生的应对行为,对个体的生存发展至关重要。因此,如何有效地识别出情绪状态,对情绪进行相应控制和调节,对个体的发展具有重要的意义。随着计算机科学技术的发展,人工智能及人机交互的应用不断深入,关于情绪识别的研究应运而生。情绪识别的基础是情感计算,不同情绪状态会引发生理特征的变化,情绪识别依据这些变化来计算个体的情绪状态。情绪识别的应用空间十分广泛,例如心理咨询、情绪检测、心理健康监测等。情绪识别也是实时情绪调节的基础。本研究的目的是建立一个包含性格特征和情绪特征的情绪数据样本数据集,探讨不同性格个体在不同情绪启动下语音特征的差异,并结合机器学习技术和方法,实现基于语音特征情绪识别准确率的提升。实验招募80名高校在校学生作为被试（男性40人,女性40人）,实验采用2X4双因素实验设计,自变量为性格类型和情绪启动类型,因变量为语音特征,其中性格分为两个水平（内外倾高分、内外倾低分）,情绪启动状态分为四个水平（中性情绪启动、快乐情绪启动、悲伤情绪启动和愤怒情绪启动）。通过视频进行情绪启动,情绪启动类型为中性、快乐、悲伤和愤怒。在情绪启动后立即采集被试语音信息,然后完成情绪自评量表。对采集到的语音信息进行预处理,提取语音特征参数。分析不同性格个体在不同情绪启动下的语音差异。通过机器学习进行语音情绪识别。实验结果表明,不同性格类型个体的语音在语音特征参数上存在差异。性格内外倾低分的个体与性格内外倾高分的个体在基频均值、基频离散、能量均值参数上存在显著差异。在不同情绪启动状态下,个体语音在语音特征参数上存在差异。在不同情绪启动状态下的个体在基频均值、基频离散、能量离散参数上存在显著差异。性格内外倾低分组和内外倾高分组在不同情绪启动状态下所表达的语音特征存在显著差异,即性格类型和情绪启动类型对于语音特征存在显著的交互作用。在情绪语音的机器识别中加入性格类型因素,可以提高情绪识别的准确性。