Phonetic variability of nasals and voiced stops in Japanese
Notice bibliographique
Résumé
We investigated the phonetic variability of nasals and voiced stops in a large-scale Japanese speech corpus. We then analyzed the types of variation across speech styles. In particular, we examined the instances where target segments are deleted or realized as different phonemes. We identified 285 lexical entries displaying variability of target segments in the Corpus of Spontaneous Japanese (Maekawa, 2003). In line with the findings of Arai (1999), we observed a few variants of voiced stops, such as /d/ becoming [n] in /doɴna/ “what” and /g/ being deleted in /daigaku/ “university.” We also found /b/ turning into [m], such as /boku wa/ “I am” becoming [mo kaː]. For nasals, we observed /zeɴiɴ/ “all the people” and /geɴiɴ/ “reason” becoming [zẽːɪɴ] and [gẽːɪɴ], in which the first /ɴ/ was deleted and the preceding /e/ was nasalized and lengthened. Our findings suggest that the extent to which speakers produce phonetic variants of target segments is likely specified lexically more than stylistically because we find instances of [zẽːɪɴ] and [gẽːɪɴ] produced across multiple speech styles. Further, we find more than 90% of the instances of /geɴiɴ/ were pronounced as [gẽːɪɴ] and 80% of /zeɴiɴ/ were pronounced as [zẽːɪɴ].
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 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».