論文の概要: Flexible and Interpretable Accent Distance Measurements

• arxiv url: http://arxiv.org/abs/2609.11458v1
• Date: Thu, 10 Sep 2026 12:32:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.340907
• Title: Flexible and Interpretable Accent Distance Measurements
• Title（参考訳）: フレキシブルかつ解釈可能なアクセント距離測定
• Abstract要約: 音韻研究者は、個々の単語のペア記録における母音フォルマントを比較することでアクセント変動を示すことができる。 これらの結果は解釈可能であるが、録音は収集するのに時間がかかり、接続された音声を表すものではないかもしれない。 アクセント分類タスクから派生したアクセント埋め込みを用いたアクセントテキスト音声合成の研究が進められている。 これらの埋め込みは任意の音声記録から生成できるが、容易には解釈できない。 本稿では,アクセント比較の解釈可能な基盤として,調音反転によって生成した調音表現が利用できることを示す。
• 参考スコア（独自算出の注目度）: 34.004131445310215
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Determining the differences between two speakers' accents is a fundamental task in linguistics and speech technology research. The methodology used to measure these differences depends on the specific research area. A phonetics researcher may demonstrate accent variation by comparing vowel formants in paired recordings of individual words. These results will be interpretable, but the recordings will be time-consuming to collect and may not be representative of connected speech. Accented Text-to-Speech (TTS) research has pushed towards using accent embeddings derived from accent classification tasks. These embeddings can be produced from any speech recording, but are not readily interpretable. In this paper, we demonstrate that articulatory representations created through articulatory inversion can be used as an interpretable basis for accent comparison and that optimal transport provides a framework for accent comparison across arbitrary recording types.
• Abstract（参考訳）: 2つの話者のアクセントの違いを決定することは、言語学と音声技術研究の基本的な課題である。 これらの違いを測定するために使用される方法論は、特定の研究領域に依存します。 音韻研究者は、個々の単語のペア記録における母音フォルマントを比較することでアクセント変動を示すことができる。 これらの結果は解釈可能であるが、録音は収集するのに時間がかかり、接続された音声を表すものではないかもしれない。 アクセント分類タスクから派生したアクセント埋め込みの利用に向けて,TTS(Accented Text-to-Speech)研究が進められている。 これらの埋め込みは任意の音声記録から生成できるが、容易には解釈できない。 本稿では, アクセント比較の解釈可能な基盤として, 調音インバージョンによって生成した調音表現が利用でき, 任意の録音タイプ間でアクセント比較を行うためのフレームワークとして最適なトランスポートが提供されることを示す。

関連論文リスト

• Afrispeech Semantics: Evaluating Audio Semantic Reasoning in Spoken Language Models Across Domains and Accents [3.6734440150955368]
  音声言語モデル(ALM)は、音声に基づく理解にますます使われる。 アクセント変化, ドメインシフト, セマンティックオーバー推論が音声推論に与える影響はよく分かっていない。 5つの意味的・パラ言語的推論タスクにおける音声言語モデルの評価を行った。
  論文  参考訳（メタデータ） (2026-05-11T20:27:40Z)
• Quantifying Speaker Embedding Phonological Rule Interactions in Accented Speech Synthesis [44.55147169458465]
  アクセント付き音声合成における話者埋め込みと言語的に動機付けられた音韻規則の相互作用を分析する。 実験により、規則と埋め込みを組み合わせることで、より真正なアクセントが得られることが示された。 本研究は,アクセント制御のためのレバーとして,および音声生成における歪み評価のための枠組みとして,ルールを強調した。
  論文  参考訳（メタデータ） (2026-01-20T19:25:33Z)
• SpeechR: A Benchmark for Speech Reasoning in Large Audio-Language Models [60.72029578488467]
  SpeechRは、大規模な音声言語モデルにおける音声に対する推論を評価するための統一的なベンチマークである。 事実検索、手続き推論、規範的判断の3つの重要な側面に沿ったモデルを評価する。 11個の最先端のLALMの評価は、高い転写精度が強い推論能力に変換されないことを示している。
  論文  参考訳（メタデータ） (2025-08-04T03:28:04Z)
• On the Relationship between Accent Strength and Articulatory Features [26.865464238029748]
  本稿では,アクセント強度と音響音声から推定される調音特徴との関係について検討する。 提案フレームワークは,近年の自己教師付き学習の調音反転手法を利用して,調音特徴を推定する。 その結果,舌の位置決めパターンは2つの方言を区別することが明らかとなった。
  論文  参考訳（メタデータ） (2025-07-03T20:08:28Z)
• Languages in Multilingual Speech Foundation Models Align Both Phonetically and Semantically [58.019484208091534]
  事前訓練された言語モデル(LM)における言語間アライメントは、テキストベースのLMの効率的な転送を可能にしている。 テキストに基づく言語間アライメントの発見と手法が音声に適用されるかどうかについては、未解決のままである。
  論文  参考訳（メタデータ） (2025-05-26T07:21:20Z)
• Pairwise Evaluation of Accent Similarity in Speech Synthesis [11.513055793492418]
  アクセント類似度に対する主観的評価法と客観的評価法の両方を強化することを目的としている。 我々は、より少ないリスナーと低コストで高い統計的重要性を実現するコンポーネントを追加することで、XABリスニングテストの洗練を図る。 母音フォルマントと音韻後生音との距離に基づいて発音関連指標を用いてアクセント生成を評価する。
  論文  参考訳（メタデータ） (2025-05-20T14:23:50Z)
• ExPO: Explainable Phonetic Trait-Oriented Network for Speaker Verification [48.98768967435808]
  我々は,音声が登録話者の同一性に一致するかどうかを検証するために,計算手法を用いる。 多くの成功にもかかわらず、我々はまだ説明可能な結果を提供する話者検証システムを開発していない。 本稿では, 話者の音声特性を紹介するために, 説明可能な音声トラヒック指向(ExPO)ネットワークを提案する。
  論文  参考訳（メタデータ） (2025-01-10T05:53:37Z)
• Speech Rhythm-Based Speaker Embeddings Extraction from Phonemes and Phoneme Duration for Multi-Speaker Speech Synthesis [16.497022070614236]
  本稿では,ターゲット話者による発話数を用いて,音素長をモデル化するための音声リズムに基づく話者埋め込み手法を提案する。 提案手法の新たな特徴は、音素とその持続時間から抽出されたリズムに基づく埋め込みであり、発声リズムに関連することが知られている。
  論文  参考訳（メタデータ） (2024-02-11T02:26:43Z)
• An Overview of Deep-Learning-Based Audio-Visual Speech Enhancement and Separation [57.68765353264689]
  音声強調と音声分離は関連する2つの課題である。 伝統的に、これらのタスクは信号処理と機械学習技術を使って取り組まれてきた。 ディープラーニングは強力なパフォーマンスを達成するために利用されています。
  論文  参考訳（メタデータ） (2020-08-21T17:24:09Z)
• Continuous speech separation: dataset and analysis [52.10378896407332]
  自然な会話では、音声信号は連続的であり、重複成分と重複成分の両方を含む。 本稿では,連続音声分離アルゴリズムを評価するためのデータセットとプロトコルについて述べる。
  論文  参考訳（メタデータ） (2020-01-30T18:01:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。