Automated Mandarin tone classification using deep neural networks trained on a large speech dataset
Notice bibliographique
Résumé
A tonal language is one in which the speaker’s intonation modifies the meaning of a word. In this work, we perform a rigorous analysis of intonation changes, or pitch contours, produced by native Mandarin speakers to predict the tone-contour type. Pitch contours are estimated using a number of different methods, also measuring each contour’s Mel-Frequency Cepstral Coefficients (MFCCs). The dataset used was autonomously generated from the Aishell open-source Mandarin speech corpus. Each sample was aligned with its transcript using Montreal Forced Alignment and segmented into individual words. The resulting corpus covers 11 topic domains, spoken by 400 individuals. Separate development, training, and testing datasets are created to ensure the integrity of our results. Pitch contours and their MFCCs are exposed to a number of machine learning techniques including clustered, regression, and traditional Deep Neural Network (DNN) approaches. MFCCs are additionally processed using convolutional neural networks. The models are used to predict the corresponding tone for a contour. Our work seeks to determine which intonation representations perform optimally for machine learning tasks. The tool is used to provide audio and visual feedback to learners of tonal languages. [Work supported by RPI Seed Grant and CISL].
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 | 0,001 | 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 ».