Adapting automatic speech recognition methods to speech perception: A hidden semi-Markov model of listener’s categorization of a VC(C)V continuum
Notice bibliographique
Résumé
This study reanalyzes the categorization of 144 synthetic VC(C)V stimuli by 13 listeners. Medial silent gap duration and frequencies of pre- and postgap F2−F3 transitions were independently varied to cover the response set / aba, abda, ab♯ba, ada, adba, ad♯da/. A simple logistic model was shown to work very well for the complex response patterns [T. Nearey and R. Smits, J. Acoust. Soc. Am. 24, 111, 2434 (2002)]. The former analysis required a static ‘‘spoon-fed’’ description of the variable duration stimuli in terms of synthesis parameters. A new analysis will be presented using a hidden semi-Markov model (HSMM), which is a fully automatic dynamic pattern recognizer. The HSMM includes explicit state durations and is fitted to perceptual data by optimization methods allied to the maximum mutual information (MMI) approach from the automatic speech recognition literature. Given only the waveforms of the stimuli as input, the trained HSMM provides an extremely good fit to the perceptual data. The fully automatic HSMM performs better than the spoon-fed static logistic model, with rms error values of 4.8 versus 5.9 percent, respectively. The flexibility and generality of the HSMM/MMI framework for perception models will be sketched. [Work supported by SSHRC.]
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».