The RACAD speech corpus of New Brunswick Acadian French: Design and applications
Notice bibliographique
Résumé
The RACAD (Reconnaissance automatique de l 'acadien) speech corpus contains high quality audio recordings that can be used to develop recognition systems for the regional varieties of French spoken in the province of New Brunswick, Canada.Its design is informed by linguistic analyses of Acadian French.The corpus contains sentences read by 140 speakers who were selected according to age, gender and geographical region.This paper presents a preliminary application of the corpus in automatic speech recognition research; it outlines an original global monophone recognition model that is designed to handle linguistic variability.Global phone and word recognition rates for this model are satisfactory (about 90%), but they vary considerably across geographical locations.Possible applications of the RACAD corpus in acoustic phonetic and socio-phonetic studies of dialect variation are also described in this paper. R É SU M ÉDans le but de développer des systèmes de reconnaissance automatique des variétés de français parlées dans la province du Nouveau-Brunswick, au Canada, un corpus d 'enregistrements de haute qualité, le corpus RACAD (Reconnaissance automatique de l 'acadien), a été recueilli.Ce corpus est constitué de phrases lues par 140 locuteurs.Suivant la méthodologie employée dans les études linguistiques portant sur le français acadien, les locuteurs ont été sélectionnés d 'après leur âge, leur sexe et leur appartenance géographique.Cet article décrit une première application du processus de reconnaissance automatique de la parole à partir de ce corpus; il présente un modèle monophone global qui tient compte de la variabilité linguistique dans le RACAD.Les résultats montrent que les taux de reconnaissance globale des phones et des mots sont satisfaisants (environ 90%), mais que ces taux varient entre les diverses régions géographiques.Des applications possibles du RACAD, dans des analyses de phonétique acoustique et de sociophonétique de la variation régionale, sont aussi décrites dans le présent article.Sound & V ib ra tio n In s tru m e n ta tio n a n d Engineering VAVW.scantekinc.com
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».