Automatic alignment for New Englishes: Applying state-of-the-art aligners to Trinidadian English
Notice bibliographique
Résumé
While forced alignment has become an essential part of data processing in phonetic research, state-of-the-art aligners are often exclusively tailor-made for majority dialects, such as American English(es). This paper provides the first in-depth investigation into the reliability of popular pre-trained aligners in New Englishes-the nativized, postcolonial Englishes spoken world-wide. Using manually aligned data from Trinidadian English, the paper examines popular aligners [Forced Alignment and Vowel Extraction (FAVE), Munich Automatic Segmentation (MAUS), and the Montreal Forced Aligner (MFA)] and their performances in automatically segmenting Trinidadian speech. Results show that, first, only specific aligners (FAVE and MFA) can provide alignment that is comparable to that in the training varieties and, to a smaller degree, general human inter-rater uncertainty. Second, even well-performing aligners introduce bias toward their training varieties: the aligners systematically produce more erroneous alignments of Trinidadian English-specific vowels, for which they have no acoustic models. The findings suggest that phonetic research on New Englishes can benefit from pre-trained, state-of-the-art aligners, but that further manual data processing may generally be required to minimize errors in the analysis of non-majority dialect data.
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 | 0,006 |
| 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 ».