MUST&P-SRL：面向语音表征学习的文本与语音域多语言统一音节划分
计算与语言
2023-10-19 v1 人工智能
机器学习
音频与语音处理
摘要
本文提出一种语言特征提取方法，特别关注以多语言自动对词进行音节划分，并设计为与强制对齐工具 Montreal Forced Aligner (MFA) 兼容。在文本与语音两个域中，我们的方法侧重于从文本中提取语音转写、重音标记，以及统一的自动音节划分（文本与语音域）。该系统由开源组件与资源构建。通过消融研究，我们证明了我们的方法在自动对多种语言（英语、法语和西班牙语）的词进行音节划分上的有效性。此外，我们将该技术应用于 CMU ARCTIC 数据集的转写，生成了有价值的在线标注\footnote{\url{https://github.com/noetits/MUST_P-SRL}}，这些标注非常适用于语音表征学习、语音单元发现以及多个语音相关领域中语音因子的解耦。
引用
@article{arxiv.2310.11541,
title = {MUST&P-SRL: Multi-lingual and Unified Syllabification in Text and Phonetic Domains for Speech Representation Learning},
author = {Noé Tits},
journal= {arXiv preprint arXiv:2310.11541},
year = {2023}
}
备注
Accepted for publication at EMNLP 2023