Mục tiêu chính của bài viết là nghiên cứu nhận dạng cảm xúc từ tiếng nói bằng cách kết hợp đặc trưng giọng nói và thông tin ngữ nghĩa từ văn bản dựa trên các mô hình học sâu như CNN hay LSTM và mô hình ngôn ngữ lớn (LLM). Hai cảm xúc cơ bản sẽ được nghiên cứu bao gồm: tiêu cực và trung lập trên bộ dữ liệu tiếng nói tiếng Việt thực tế.