Evaluation of a strategy for automatic formant tracking
Notice bibliographique
Résumé
Variations on an automatic formant tracking strategy developed at Alberta will be compared to manual formant measurements from two databases of vowels spoken by men, women, and children (in Texas or Michigan). ‘‘Correct’’ vowel formant candidates for F1, F2, and F3 may be found roughly 85–90 percent of the time for adult male speakers using autocorrelation LPC with the following settings: F3 maximum at 3000 Hz, LPC order of 14, sampling rate of 10 kHz [J. Markel and A. Gray, Linear Prediction of Speech (Springer, New York, 1975)]. Experience shows good results are also often found with females’ and children’s speech, provided the sampling rate and F3 maximum are scaled appropriately for each speaker. Our new basic strategy involves analyzing each utterance at several distinct sampling rates and coordinated F3 cutoff frequencies with a fixed LPC order. Each scaling choice provides an independent set of candidates that is post-processed by a simple tracking algorithm. A correlation measure between a spectrogram of the original signal and one resynthesized from each estimated track set is defined. This measure is combined with other heuristic figures of merit (based on, e.g., continuity, formant ranges, and bandwidths) to choose the ‘‘best’’ analysis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».