Recherche
Recherche simple
Recherche avancée
Panier électronique
Votre panier ne contient aucune notice
Connexion à la base
Identification
(Identifiez-vous pour accéder aux fonctions de mise à jour. Utilisez votre login-password de courrier électronique)
Entrepôt OAI-PMH
Soumettre une requête
| Consulter la notice détaillée |
| Version complète en ligne |
| Version complète en ligne accessible uniquement depuis l'Ircam |
| Ajouter la notice au panier |
| Retirer la notice du panier |
English version
(full translation not yet available)
Liste complète des articles
|
Consultation des notices
Catégorie de document |
Contribution à un colloque ou à un congrès |
Titre |
Toward a Continuous Modeling of French Prosodic Structure: Using Acoustic Features to Predict Prominence Location and Prominence Degree |
Sous-titre |
Prominence, automatic detection, degree of prominence, prosodic structure, French |
Auteur principal |
Mathieu Avanzi |
Co-auteurs |
Nicolas Obin, Anne Lacheret-Dujour, Bernard Victorri |
Colloque / congrès |
Interspeech. Florence : Août 2011 |
Comité de lecture |
Oui |
Année |
2011 |
Statut éditorial |
Accepté - publication en cours |
Résumé |
The aim of this paper is to present a tool developed in order to generate French rhythmical structure semi-automatically, without taking grammatical cues into account. On the basis of a phonemic alignment, the software first locates prominent syllables by considering basic acoustic features such as F0, duration and silent pause. It then assigns a degree of prominence to each syllable identified. The estimation of this degree results from a computation of the values of silent pause, relative duration and height averages used for prominence detection in the first step. The second part of the article presents an experiment conducted in order to validate the algorithm’s performances, by comparing the predictions of the software with a continuous manual coding carried out by four annotators on a 4-minute stretch of corpus (788 syllables) involving read aloud speech, map task and spontaneous dialogue. The performance of the algorithm is encouraging: a Fleiss’ kappa calculation estimates the rate at 0.8, and a correlation agreement calculation at 91%, in the best cases. |
Equipe |
Analyse et synthèse sonores |
Cote |
Avanzi11c |
Adresse de la version en ligne |
http://articles.ircam.fr/textes/Avanzi11c/index.pdf |
|
|