MétaCan
Menu
Retour à la cohorte
Enregistrement W2509141772

What Do Forced Alignment Likelihood Scores Tell Us About the Aligned Speech

2016· article· en· W2509141772 sur OpenAlexaffvenue
Ayushi Mrigen, Daniel Brenner, Benjamin V. Tucker

Notice bibliographique

RevueCanadian acoustics · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech Recognition and Synthesis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPhoneHidden Markov modelSpeech recognitionTIMITComputer scienceFormantDuration (music)Variation (astronomy)AcousticsLinguistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil0,945

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,225
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian acousticsMême sujetSpeech Recognition and SynthesisTravaux en français237 207