Nepůvodní databáze řeči - Non-native speech database

A nepůvodní databáze řeči je databáze řeči z nepůvodní výslovnosti angličtiny. Takové databáze jsou nezbytné pro pokračující vývoj vícejazyčného automatu rozpoznávání řeči systémy, text na řeč systémy, trenéry výslovnosti nebo dokonce plně funkční systémy výuky druhého jazyka. Kvůli srovnatelně malé velikosti databází však mnoho z nich není k dispozici prostřednictvím běžných distributorů databází řeči. To vede ke skutečnosti, že pro vědce v oblasti rozpoznávání řeči je těžké udržet si přehled o tom, jaké databáze již byly shromážděny a pro jaké účely dosud neexistují žádné sbírky.[1]


Legenda

V tabulce nepůvodních databází jsou použity některé zkratky pro názvy jazyků. Jsou uvedeny v tabulce 1. Tabulka 2 uvádí následující informace o každém korpusu: Název korpusu, instituce, kde lze korpus získat, nebo by měly být k dispozici alespoň další informace, jazyk, kterým mluvčí skutečně mluvili , počet mluvčích, rodný jazyk mluvčích, celkový počet nepůvodních promluv, které korpus obsahuje, doba trvání nepůvodní části v hodinách, datum prvního veřejného odkazu na tento korpus, nějaký volný text zdůraznění zvláštních aspektů této databáze a odkaz na jinou publikaci. Odkaz v posledním poli se ve většině případů týká článku, který se věnuje zejména popisu tohoto korpusu původními sběrateli. V některých případech nebylo možné takový papír identifikovat. V těchto případech se odkazuje na článek, který tento korpus používá.

Některé položky zůstávají prázdné a jiné jsou označeny neznámým. Rozdíl je v tom, že prázdné položky odkazují na atributy, u nichž hodnota není známa. Neznámé položky však naznačují, že v samotné databázi nejsou k dispozici žádné informace o tomto atributu. Například v databázi počasí Jupiteru[2] nejsou uvedeny žádné informace o původu mluvčích. Proto by tato data byla méně užitečná pro ověření detekce přízvuků nebo podobných problémů.

Pokud je to možné, je název standardním názvem korpusu, u některých menších korpusů však neexistoval ustálený název, a proto musel být vytvořen identifikátor. V takových případech se používá kombinace instituce a sběratele databáze.

V případě, že databáze obsahují nativní a nepůvodní řeč, jsou uvedeny pouze atributy nepůvodní části korpusu. Většina korpusů jsou sbírky čtení řeči. Pokud se korpus místo toho skládá buď částečně, nebo zcela ze spontánních promluv, je to uvedeno ve sloupci Specials.

Přehled nepůvodních databází

Stůl 1: Zkratky pro jazyky použité v tabulce 2
arabštinaAjaponskýJ
čínštinaCkorejštinaK.
češtinaCzeMalajskýM
dánštinaDNorštinaN
holandskýDutportugalštinaP
AngličtinaEruštinaR
francouzštinaFšpanělštinaS
NěmecGšvédskýSwe
řeckýGreThaiT
indonéštinaIndvietnamštinaPROTI
italštinaJá  


Aktuální tabulka s informacemi o různých databázích je uvedena v tabulce 2.

Tabulka 2: Přehled nepůvodních databází
KorpusAutorDostupné vJazyky#ŘečníciRodný jazyk#Utt.Doba trvánídatumPoznámky
AMI [3]EUEDut a další100hzáznamy z jednání
ATR-Gruhn [4]GruhnATRE96C G F J Ind15000 2004hodnocení odborné způsobilosti
BAS Strange Corpus 1 + 10 [5] ELRAG13950 zemí7500 1998 
Berkeley Restaurant [6]ICSIE55G I H C F S J25001994 
Broadcast News [7] LDCE    1997 
Cambridge-Witt [8]WittU. CambridgeE10J I K S1200 1999 
Cambridge-Ye [9]VyU. CambridgeE20C1600 2005 
Zprávy pro děti [10]TomokiyoCMUE62J C.7500 2000částečně spontánní
KLIPY-IMAG [11]OpáleníKLIPY-IMAGF15ŽIVOTOPIS 6h2006 
CLSU [12] LDCE 22 zemí5000 2007telefon, spontánní
CMU [13] CMUE64G4520,9 h není dostupný
Cross Towns [14]SchadenU. BochumE F G I Cze Dut161E F G I S72000133h2006názvy měst
Vévoda-Arslan [15]ArslanDuke UniversityE9315 zemí2200 1995částečně telefonický projev
ERJ [16]MinematsuU. TokioE200J68000 2002hodnocení odborné způsobilosti
Fischer [17]LDCEmnoho200htelefonický projev
Fitt [18]FittU. EdinburghF I N Gre10E700 1995názvy měst
Fraenki [19] U. ErlangenE19G2148   
hispánský [20]Byrne E22S 20h1998částečně spontánní
HLTC [21] HKUSTE44C 3h2010dostupné na vyžádání
IBM-Fischer [22] IBME40S F G I2000 2002číslice
iCALL [23][24]ChenJá2R, A * STARC30524 zemí90841142h2015fonetické a tonální transkripce (v pchin-jin), hodnocení způsobilosti
OSTRŮVEK [25]AtwellEU / ELDAE46G já400018h2000 
Jupiter [26]ZueMITEneznámýneznámý5146 1999telefonický projev
K-SEC [27]RheeSiTECEneznámýK.  2004
LDC WSJ1 [28] LDC 10 8001 hod1994 
Skok [29]StřevoUniversity of MünsterNapř12741 různých73,941 slov12h2003 
MLHA [30] ELRAE F G75Dut2200 1996 
NATO VYSOKÁ DATA [31] NATOE81F Gre I S8100 2007čistá řeč
NATO M-ATC [32]HolubNATOE622F G I S983317h2007silný hluk pozadí
NATO N4 [33] NATOE115neznámý 7,5 hodiny2006silný hluk pozadí
Onomastica [34]  D Dut E F G Gre I N P S Swe (121000) 1995pouze lexikon
PF-STAR [35] U. ErlangenE57G46273,4 h2005dětská řeč
Sunstar [36] EUE100G S I P D40000 1992projev parlamentu
TC-STAR [37]HeuvelELDAE SneznámýZemě EU 13h2006více datových sad
TED [38]LamelELDAE40(188)mnoho 10h (47h)1994eurospeech 93
TLTS [39] DARPAA E 1 hod2004 
Tokio-Kikuko [40] U. TokioJ14010 zemí35000 2004hodnocení odborné způsobilosti
Verbmobil [41] U. MnichovE44G 1,5 hodiny1994velmi spontánní
VODIS [42] EUF G178F G2500 1998o automobilové navigaci
WP arabština [43]RoccaLDCA35E8001 hod2002 
WP ruština [44]RoccaLDCR26E25002h2003 
WP španělsky [45]MorganLDCS E  2006 
Mluvil WSJ [46]  E10neznámý800 1993 

Reference

  1. ^ M. Raab, R. Gruhn a E. Noeth, Nenativní databáze řeči, v Proc. ASRU, Kjóto, Japonsko, 2007.
  2. ^ K. Livescu, Analýza a modelování nepůvodní řeči pro automatické rozpoznávání řeči, SLEČNA. diplomová práce, Massachusetts Institute of Technology, Cambridge, MA, 1999.
  3. ^ Projekt AMI, „AMI Meeting Corpus“ [1].
  4. ^ R. Gruhn, T. Cincarek a S. Nakamura, „Multiakcentní nepůvodní anglická databáze“, ASJ, 2004.
  5. ^ Univerzita v Mnichově, „bavorský archiv řeči signalizuje podivný korpus“, [2].
  6. ^ Jurafsky a kol., „The Berkeley Restaurant Project“, Proc. ICSLP 1994.
  7. ^ L. Tomokiyo, Rozpoznávání nepůvodní řeči: Charakterizace a přizpůsobení nepůvodnímu použití v rozpoznávání řeči, Ph.D. diplomová práce, Carnegie Mellon University, Pensylvánie, 2001.
  8. ^ S. Witt, Využití rozpoznávání řeči ve výuce jazyků podporovaných počítačem, Ph.D. práce, Cambridge University Engineering Department, UK, 1999.
  9. ^ H. Ye a S. Young, Zlepšení výkonu rozpoznávání řeči začátečníků v mluvené konverzační interakci při výuce jazyků, v Proc. Interspeech, Lisabon, Portugalsko, 2005.
  10. ^ L. Tomokiyo, Rozpoznávání nepůvodní řeči: Charakterizace a přizpůsobení nepůvodnímu použití v rozpoznávání řeči, Ph.D. diplomová práce, Carnegie Mellon University, Pensylvánie, 2001.
  11. ^ T. P. Tan a L. Besacier, Francouzský nepůvodní korpus pro automatické rozpoznávání řeči, v LREC, Janov, Itálie, 2006.
  12. ^ T. Lander, CSLU: Zahraniční anglické vydání 1.2, Tech. Rep., LDC, Philadelphia, Pensylvánie, 2007.
  13. ^ Z. Wang, T. Schultz a A. Waibel, Porovnání technik přizpůsobení akustického modelu na nepůvodní řeči, v Proc. ICASSP, 2003.
  14. ^ S. Schaden, Regelbasierte Modellierung fremdsprachlich akzentbehafteter Aussprachevarianten, Ph.D. diplomová práce, University Duisburg-Essen, 2006.
  15. ^ L. M. Arslan a J. H. Hansen, Frekvenční charakteristiky řeči s cizím přízvukem, v Proc. z ICASSP, Mnichov, Německo, 1997, s. 1123-1126.
  16. ^ N. Minematsu a kol., Vývoj databáze řeči v angličtině čtené Japonci na podporu výzkumu CALL, v ICA, Kjóto, Japonsko, 2004, str. 577-560.
  17. ^ Christopher Cieri, David Miller, Kevin Walker, Fisher Corpus: zdroj pro další generace řeči na text, Proc. LREC 2004
  18. ^ S. Fitt, Výslovnost neznámých rodných a nepůvodních názvů měst, v Proc. Eurospeech, 1995, s. 2227-2230.
  19. ^ G. Stemmer, E. Noeth a H. Niemann, Akustické modelování cizích slov v německém systému rozpoznávání řeči, v Proc. Eurospeech, P. Dalsgaard, B. Lindberg a H. Benner, Eds., 2001, sv. 4, str. 2745-2748.
  20. ^ W. Byrne, E. Knodt, S. Khudanpur a J. Bernstein, Je automatické rozpoznávání řeči připraveno na nepůvodní řeč? Úsilí o sběr dat a počáteční experimenty v modelování konverzační hispánské angličtiny, STiLL, Marholmen, Švédsko, 1998, s. 37-40.
  21. ^ Y. Li, P. Fung, P. Xu a Y. Liu, Asymetrické akustické modelování pro rozpoznávání řeči ve smíšeném jazyce, in ICASSP, Prague, Czech, 2011, pp. 37-40.
  22. ^ V. Fischer, E. Janke a S. Kunzmann, Nedávný pokrok v dekódování nepůvodní řeči pomocí vícejazyčných akustických modelů, v Proc. Eurospeech, 2003, s. 3105-3108.
  23. ^ Nancy F. Chen, Rong Tong, Darren Wee, Peixuan Lee, Bin Ma, Haizhou Li, iCALL Corpus: Mandarínská čínština mluvená nepůvodními mluvčími evropského původu, v Proc. of Interspeech, 2015.
  24. ^ Nancy F. Chen, Vivaek Shivakumar, Mahesh Harikumar, Bin Ma, Haizhou Li. Rozsáhlá charakterizace chyb výslovnosti mandarínů vytvořená rodilými mluvčími evropských jazyků, v Proc. of Interspeech, 2013.
  25. ^ W. Menzel, E. Atwell, P. Bonaventura, D. Herron, P. Howarth, R. Morton a C. Souter, Korpus ISLE nepůvodní mluvené angličtiny, v LREC, Atény, Řecko, 2000, str. 957-963.
  26. ^ K. Livescu, Analýza a modelování nepůvodní řeči pro automatické rozpoznávání řeči, SLEČNA. diplomová práce, Massachusetts Institute of Technology, Cambridge, MA, 1999.
  27. ^ S-C. Rhee a S-H. Lee a SK. Kang a Y-J. Závětří, Návrh a konstrukce korejského mluveného anglického korpusu (K-SEC), Proc. ICSLP 2004
  28. ^ L. Tomokiyo, Rozpoznávání nepůvodní řeči: Charakterizace a přizpůsobení nepůvodnímu použití v rozpoznávání řeči, Ph.D. diplomová práce, Carnegie Mellon University, Pensylvánie, 2001.
  29. ^ Gut, U., Nepůvodní řeč. Korpusová analýza fonologických a fonetických vlastností L2 angličtiny a němčiny, Frankfurt nad Mohanem: Peter Lang, 2009.
  30. ^ TNO Ústav pro výzkum lidských faktorů, Mlha vícejazyčná interoperabilita v databázi řečových technologií, Tech. Rep., ELRA, Paříž, Francie, 2007, ELRA Catalog Reference S0238.
  31. ^ J. C. Segura a kol., Databáze HIWIRE, hlučný a nepůvodní anglický řečový korpus pro komunikaci v kokpitu, 2007, [3].
  32. ^ S. Pigeon, W. Shen a D. van Leeuwen, Návrh a charakterizace nepůvodní vojenské komunikační komunikační databáze, v ICSLP, Antverpy, Belgie, 2007.
  33. ^ L. Benarousse a kol., Korpus nativní a nepůvodní (n4) NATO, v Proc. workshopu MIST (ESCA-NATO), Leusden, září 1999.
  34. ^ Konsorcium Onomastica, Lexikon ONOMASTICA mezi jazyky, v Proc. Eurospeech, Madrid, Španělsko, 1995, s. 829-832.
  35. ^ C. Hacker, T. Cincarek, A. Maier, A. Hessler a E. Noeth, Posílení prozodických a výslovnostních funkcí k detekci chybných výslovností nepůvodních dětí, v Proc. ICASSP, Honolulu, Hawai, 2007, s. 197-200.
  36. ^ C. Teixeira, I. Trancoso a A. Serralheiro, Uznání nepůvodních přízvuků, v Proc. Eurospeech, Rhodos, Řecko, 1997, str. 2375-2378.
  37. ^ H. Heuvel, K. Choukri, C. Gollan, A. Moreno a D. Mostefa, TC-STAR: Nové jazykové zdroje pro účely ASR a SLT, v LREC, Janov, 2006, s. 2570-2573.
  38. ^ L.F. Lamel, F. Schiel, A. Fourcin, J. Mariani a H. Tillmann, Translanguage anglická databáze TED, v ICSLP, Jokohama, Japonsko, září 1994.
  39. ^ N. Mote, L. Johnson, A. Sethy, J. Silva a S. Narayanan, Detekce taktického jazyka a modelování chyb řeči žáka: Případ arabského taktického jazykového školení pro mluvčí americké angličtiny, v Proc. InSTIL, červen 2004.
  40. ^ K. Nishina, Vývoj japonské databáze řeči čtené nepůvodními mluvčími pro konstrukci systému CALL, v ICA, Kjóto, Japonsko, 2004, str. 561-564.
  41. ^ Univerzita Mnichov, Projekt Verbmobil, [4].
  42. ^ I. Trancoso, C. Viana, I. Mascarenhas a C. Teixeira, O odvozování pravidel pro nativizovanou výslovnost v navigačních dotazech, v Proc. Eurospeech, 1999.
  43. ^ A. LaRocca a R. Chouairi, Korpus arabské řeči západního bodu, Tech. Rep., LDC, Philadelphia, Pensylvánie, 2002.
  44. ^ A. LaRocca a C. Tomei, Korpus ruského řeči západního bodu, Tech. Rep., LDC, Philadelphia, Pensylvánie, 2003.
  45. ^ J. Morgan, Španělský projev heroico západního bodu, Tech. Rep., LDC, Philadelphia, Pensylvánie, 2006.
  46. ^ I. Amdal, F. Korkmazskiy a A. C. Surendran, Společné modelování výslovnosti nepůvodních mluvčích pomocí metod založených na datech, v ICSLP, Peking, Čína, 2000, str. 622-625.