探索用于印度语言分类的节奏共振峰分析

本文报告了一项关于使用定量频域节奏线索对五种印度语言（孟加拉语、卡纳达语、马拉雅拉姆语、马拉地语和泰米尔语）进行分类的初步研究。我们采用了节奏共振峰（R-formants）分析，这是 Gibbon 引入的一种技术，利用幅度调制和频率调制包络的低频频谱分析来表征语音节奏。从低频频谱中计算了多种度量，包括 R-formants、基于离散余弦变换的度量和频谱度量。结果表明，基于阈值和频谱的特征优于直接计算的 R-formants。从低频频谱图中导出的节奏时间模式提供了更好的语言区分线索。结合所有导出的特征，我们在五种语言分类中达到了 69.21% 的准确率和 69.18% 的加权 F1 分数。本研究展示了 RFA 在表征语音节奏以进行印度语言分类方面的潜力。