Which cross-language acoustic model to choose: Assessing tonality and phonemic inventories effects
Notice bibliographique
Résumé
Cross-language forced alignment techniques, i.e., using a high-resource language acoustic model to automatically align audio files with transcripts for another language, present a promising and feasible approach for expediting the acoustic analysis of low-resource languages (Chodroff, Ahn, and Dolatian 2024). However, the factors influencing the effectiveness of cross-language forced alignment remain underexplored. Mandarin and Japanese share more similarities in phonemic inventories and syllable structures, while Japanese and English are both non-tonal languages. Comparing the alignment results generated by Mandarin and English acoustic models on Japanese audio data can help us explore whether tonality and phonemic inventory similarity have an equal influence on cross-language alignment performance. The present study used 30,975 Japanese audio files from Common Voice datasets as input and Montreal Forced Aligner Mandarin, English, and Japanese acoustic models to generate forced alignment output. In the 1.5 million data points across different comparison pairs, we found that when performing a cross-language alignment on a non-tonal language, a non-tonal language acoustic model is the optimal choice, but a tonal language acoustic model could also work decently if assigning vowels to a falling tone. These findings suggest tone matters in cross-language alignment and offer methodological insights for implementing cross-language alignment in low-resource languages.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».