解构非母语语音的段际特征与韵律特征以提升综合可理解性
计算与语言
2024-08-21 v1 音频与语音处理
摘要
当前的语音焦点转换（accent conversion, AC）系统未能解构非母语语音的两个主要来源：段际特征与韵律特征。能够独立操控非母语说话者的段际特征和/或韵律特征对于量化这两个通道对语音可理解性与社会态度的贡献至关重要。我们 presented an AC system，不仅解构声音质感与焦点，还将后者解构为段际与韵律特征。该系统能够生成结合（1）来自源语音的段际特征、（2）来自目标语音的声音特征以及（3）来自参考语音的韵律的焦点转换。我们表明，对声学嵌入进行向量量化并去除连续重复词典码，允许系统传递韵律并提升声音相似度。我们进行感知听觉测试，以量化段际特征与韵律对非母语语音可理解性感知贡献。我们的结果表明，与先前的非母语语音研究不同，段际特征对可理解性的影响大于韵律。该提出的 AC 系统也可用于研究段际特征与韵律线索如何影响对非母语语音的社会态度。
引用
@article{arxiv.2408.10997,
title = {Disentangling segmental and prosodic factors to non-native speech comprehensibility},
author = {Waris Quamer and Ricardo Gutierrez-Osuna},
journal= {arXiv preprint arXiv:2408.10997},
year = {2024}
}