单词重音在自监督语音模型中的跨语言比较-计算机科学-自监督学习-语音表示.pdfVIP

单词重音在自监督语音模型中的跨语言比较

MartijnBentum,LouistenBosch,TomasO.Lentz

CentreforLanguageStudies,RadboudUniversity,Netherlands

DepartmentofCommunicationandCognition,TilburgUniversity,Netherlands

martijn.bentum@ru.nl,louis.tenbosch@ru.nl,t.o.lentz@

Abstract区分性重音的语言中，如匈牙利语[11]，重读音节

相对于词边界处于一个固定的位置（例如，在匈

在本文中，我们研究了自监督语音模型（S3M）学

牙利语中是第一个音节），作为单词分界的可靠线

习的词重音表示，特别是Wav2vec2.0模型。我们

索。相比之下，在变化的或词汇性的重音语言中，

调查了五种不同语言的S3M重音表示：三种具有

如荷兰语[12]，则表现出相对于词边界的可变重

可变或词汇重音的语言（荷兰语、英语和德语），

音位置，这仍然有助于分界[13]但也使仅通过重

以及两种具有固定或区分性重音的语言（匈牙利

本音区分的最小对立对成为可能，比如在荷兰语中

语和波兰语）。我们在S3M嵌入上训练诊断重音

译的（‘文化收藏’）与（‘火炮’）。

分类器，并展示了它们可以以高精度区分大声朗

中此外，虽然单音节词通常被强调，但功能词（例如

读短句中的重读音节和非重读音节。我们还测试

1冠词、代词、助词）通常是不重读的[14]，这使得

v了S3M词重音的特定语言效果。结果显示，词重词重音可以作为词性分类的一个线索。

8音表示具有语言特异性，在可变重音语言集合与

3音节重读，或强调，通过增加发音力度来实

7固定重音语言集合之间存在更大的差异。

4现，导致音节通常更长、更大声（即更大的声学能

0IndexTerms:可解释性、词重音、自监督学习、

.量）、更高音调、具有较浅的频谱倾斜，并且受共

7语音表示、韵律、语言特异性

0发音的影响较小[15,16,17]。然而，在不同语言

5中，这些声学关联物的突出性和可靠性存在差异

21.介绍

:[18]，并且它们并非仅是单词重读的指示器。例如，

v

i自监督语音模型（S3Ms）学习表示口语，并音节时长受到说话速度的影响[19]，音调受到短语

x

r