Classification automatique de voyelles nasales pour une caractérisation de la qualité de voix des locuteurs par des réseaux de neurones convolutifs - HAL Accéder directement au contenu
Communication dans un congrès Année : 2022

Classification automatique de voyelles nasales pour une caractérisation de la qualité de voix des locuteurs par des réseaux de neurones convolutifs

Résumé

L'objectif de cette étude est d'évaluer, au moyen de réseaux de neurones convolutifs (CNN pour Convolutional Neural Networks), la capacité à discriminer acoustiquement une voyelle orale d'une voyelle nasale (voyelles /a/ et /ɑ /) sur un corpus de 45 locuteurs francophones. Pour une classification voyelle nasale vs. voyelle orale, les résultats obtenus peuvent atteindre 96% d'identification correcte. Ces résultats sont détaillés en fonction du locuteur, du contexte phonémique et de la durée. Dans la discussion, nous présentons une comparaison de ces résultats avec une mesure physiologique de nasalance. Une technique de visualisation (Grad-cam) est également mise en avant pour comprendre les zones du spectrogramme utilisées par le CNN.
Fichier principal
Vignette du fichier
cnn_jep2022_v5.pdf ( 646.39 Ko ) Télécharger
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

halshs-03980367, version 1 (09-02-2023)

Identifiants

  • HAL Id : halshs-03980367 , version 1

Citer

Lila Kim, Cédric Gendrot. Classification automatique de voyelles nasales pour une caractérisation de la qualité de voix des locuteurs par des réseaux de neurones convolutifs. Journées d'Etude de la Parole 2022 (JEP 2022), Nantes Université, Jun 2022, Noirmoutier, France. ⟨halshs-03980367⟩
19 Consultations
37 Téléchargements
Dernière date de mise à jour le 27/04/2024
comment ces indicateurs sont-ils produits

Partager

Gmail Facebook Twitter LinkedIn Plus