语音情绪识别是音频分类的一个重要应用场景，在机器人制造、自动化、人机交互、安全、医疗、驾驶和通信等领域具有高实用价值。本文利用飞桨框架实现的ResNet18模型，实现了6种语音情绪的识别。数据集包含6类情绪，每类50个样本，共300条数据。音频数据通过librosa库处理，并使用MFCC算法提取特征，转化为图片形式用于训练。模型训练过程展示了高准确率和低损失函数，最终测试模型的准确率为86.67%，展示了情绪识别的良好效果。