What Do Forced Alignment Likelihood Scores Tell Us About the Aligned Speech
Notice bibliographique
Résumé
Standard forced alignment systems are a widely used tool in phonetic research. Forced alignment uses Hidden Markov Models to align a sequence of phones to a sound recording. As a byproduct, it computes likelihood scores for every aligned phone and word. This study investigates the extent to which these likelihood scores can be: (1) pressed into use in speech research, (2) interpreted as a measure of acoustic distance (of some variety) to the modeled phones and place individual aligned segments within their distribution of phonetic variation. The present study is a first step in accomplishing these goals. To this end, first vowels in hold-out portions of the TIMIT (Zue & Seneff 1988) and Buckeye (Pitt et al. 2005) corpora were cross-aligned with phone models trained on the remaining portions of those corpora (tokens of [i] were aligned with the [?] phone, the [e] phone, the [?] phone, etc.), and the resulting likelihood scores were compared to acoustic measures like duration and formant frequencies to determine which acoustic properties are encapsulated in the scores. These were also compared with scores provided by the freely available Penn Forced Aligner (Yuan & Liberman, 2008). Preliminary analyses find a strong correlation between the cross alignment scores and F1 x F2 geometric distance, as well as the duration of the phones. This establishes that these probability measures show a relationship with some acoustic characteristics of the segments. The results of this initial analysis are promising. Future evaluation is needed to explore the full scope and limitations of the application of these measures. References: [1] Pitt, M. A., Johnson, K., Hume, E., Kiesling, S., & Raymond, W. 2005. The Buckeye corpus of conversational speech: labeling conventions and a test of transcriber reliability. Speech Communication 45, 89-95. [2] Zue, V. & Seneff, S. Transcription and Alignment of the TIMIT Database. Proceedings of the 2nd Meeting on Advanced Man -- Machine Interface through Spoken Language 1988, 11.1-11.10. [3] Yuan, J. & Liberman, M. 2008. Speaker identification on the SCOTUS corpus. Proceedings of Acoustics 2008.
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 | 0,009 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,017 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,010 |
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 ».