Apprentissage automatique des prononciations à partir de grandes masses de données orales Rena NEMOTO Encadrée par Martine Adda-Decker & Ioana Vasilescu LIMSI – CNRS Traitement du Langage Parlé École doctorale d’Informatique de Paris XI 27 mars 2008 Journée Des Doctorants du LIMSI
2 Problématiques Variation des prononciations des mots en fonction du contexte communicatif Style de parole (spontanée, lue), accents, etc. Cette variation se manifeste aux niveaux acoustique, phonétique et prosodique. Prosodie : durée, pitch, intensité, etc. Mais la modélisation acoustique ne tient pas compte d’informations prosodiques relatives à la syntaxe et au focus de l’énoncé.
3 Introduction Lien entre prononciations, prosodie et syntaxe Projet AMADEO par DIGITEO avec le CEA fin 2007-fin2010
4 Démarche A partir des erreurs de transcription automatique Questions : La modélisation est-elle en cause ? Paramètres acoustiques extraits ? Représentation choisie ? Pour éclairer ces questions Analyse de grands corpus (pour généraliser)
5 Prononciations (1) Mots fréquents Monophones, monosyllabes, homophones... Détail phonétique, prosodique Exemple des mots homophones /E/ : et (conjonction) vs. est (verbe)
6 Prononciations (2) Travail de Master Recherche 2007 Conjonction/Verbe : et/est, Pr é position/Verbe : à/a Mesures acoustiques Comportement différent des prépositions, conjonctions Importance des durées, des taux de voisement Classification automatique 60-80% de classification correcte Confirme les mesures acoustiques: prosodie
7 Prononciations (3) Mots rares Mots polysyllabiques (ex. désoxyribonucléique) Question : Comment estimer des variantes à partir de peu/pas d’observations? Définir des classes d’équivalence longueur syllabique du mot structure syllabique (ex. CV, CCV, etc.) phonotactique groupes prosodiques classes syntaxiques
8 Merci de votre attention !