Phonetic Segmentation of the UCLA Phonetics Lab Archive

要約

音声技術と比較言語学の研究は、多様でアクセス可能な音声データへのアクセスに依存しています。
UCLA Phonetics Lab Archive は、314 の言語の長文音声録音と音声転写を備えた、最も初期の多言語音声コーパスの 1 つです (Ladefoged et al., 2009)。
最近、これらの言語のうち 95 言語が単語レベルの発音表記と時間的に調整されました (Li et al., 2021)。
ここでは、UCLA Phonetics Lab Archive の監査済み音声転写と音声レベルのアライメントのコーパスである VoxAngeles を紹介します。これは、95 言語の CMU 再リリースを出発点として使用しています。
VoxAngeles には、オリジナルの UCLA コーパスからの単語レベルと音音レベルのセグメンテーションのほか、単語と音の長さ、母音フォルマント、および母音 f0 の音声測定も含まれています。
このコーパスは、母音固有 f0 のケーススタディを通じて実証されているように、特に定量的音声類型論において、元のデータの有用性を高めます。
また、低リソースおよび多言語音声技術だけでなく、異言語音声学の一般研究および教育学における VoxAngeles コーパスの有用性についても説明します。
VoxAngeles は、CC-BY-NC 4.0 ライセンスに基づいて無料でダウンロードして使用できます。

要約(オリジナル)

Research in speech technologies and comparative linguistics depends on access to diverse and accessible speech data. The UCLA Phonetics Lab Archive is one of the earliest multilingual speech corpora, with long-form audio recordings and phonetic transcriptions for 314 languages (Ladefoged et al., 2009). Recently, 95 of these languages were time-aligned with word-level phonetic transcriptions (Li et al., 2021). Here we present VoxAngeles, a corpus of audited phonetic transcriptions and phone-level alignments of the UCLA Phonetics Lab Archive, which uses the 95-language CMU re-release as our starting point. VoxAngeles also includes word- and phone-level segmentations from the original UCLA corpus, as well as phonetic measurements of word and phone durations, vowel formants, and vowel f0. This corpus enhances the usability of the original data, particularly for quantitative phonetic typology, as demonstrated through a case study of vowel intrinsic f0. We also discuss the utility of the VoxAngeles corpus for general research and pedagogy in crosslinguistic phonetics, as well as for low-resource and multilingual speech technologies. VoxAngeles is free to download and use under a CC-BY-NC 4.0 license.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google