論文の概要: Quantifying Consonant Contributions to Word Intelligibility via Acoustic Masking
- arxiv url: http://arxiv.org/abs/2609.12122v1
- Date: Thu, 10 Sep 2026 18:49:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.515849
- Title: Quantifying Consonant Contributions to Word Intelligibility via Acoustic Masking
- Title（参考訳）: 音響マスキングによる単語の知能に対する子音の寄与の定量化
- Abstract要約: 本稿では,音響マスキングを用いた共振器の寄与を測定するスケーラブルな手法を提案する。
我々は孤立した単語で一度に1つの子音を黙らせ、自動音声認識モデルがその単語を認識しているかどうかをテストする。
- 参考スコア（独自算出の注目度）: 43.468791804684486
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Consonants contribute unequally to whether a word is understood. Given the limited time available for therapy, ranking consonants by contribution to intelligibility helps prioritize intervention targets in motor speech disorders. However, measuring this contribution relies on perceptual studies that are difficult to scale. This paper presents a scalable method that measures consonant contribution using acoustic masking. We silence one consonant at a time in an isolated word and test whether an automatic speech recognition (ASR) model still recognizes the word. We define a consonant's contribution score as the proportion of its masked instances for which the word becomes misrecognized, which we refer to as the mask-induced misrecognition rate (MMR). We validate MMR against two linguistic factors previously reported to correlate with consonant contribution, namely phoneme frequency and functional load. We apply this analysis across four languages, English, Spanish, German, and Czech, using three ASR architectures, MMS (encoder-only), Whisper (encoder-decoder), and Qwen3-ASR (LLM-based). Using partial Spearman correlations, we find that phoneme frequency correlates negatively with MMR while functional load correlates positively. In other words, more frequent consonants are less disruptive when masked, whereas consonants carrying more lexical contrast are more disruptive. Further cross-language analysis shows that consonant rankings are not consistent, indicating that consonant contribution is language-dependent.
- Abstract（参考訳）: 子音は、ある単語が理解されているかどうかに不平等に寄与する。
治療に利用可能な時間に制限があるため、知性への貢献による子音のランク付けは、運動性発声障害の介入目標の優先順位付けに役立つ。
しかし、このコントリビューションの測定は、スケールが難しい知覚研究に依存している。
本稿では,音響マスキングを用いた共振器の寄与を測定するスケーラブルな手法を提案する。
我々は孤立した単語で1度に1つの子音を黙らせ、自動音声認識(ASR)モデルが単語を認識しているかどうかをテストする。
本研究は,子音の寄与スコアを,単語が誤認識されるマスキングインスタンスの比率として定義し,マスク誘発誤認識率(MMR)と呼ぶ。
従来報告されていた2つの言語的要因,すなわち音素周波数と機能的負荷の関連性についてMMRを検証した。
3つのASRアーキテクチャ、MMS(エンコーダのみ)、Whisper(エンコーダデコーダ)、Qwen3-ASR(LLMベース)を用いて、英語、スペイン語、ドイツ語、チェコ語でこの分析を適用する。
部分的なスピアマン相関を用いて, 音素周波数はMMRと負に相関し, 機能的負荷は正に相関することがわかった。
言い換えれば、より頻繁な子音はマスキング時に破壊的でないが、より語彙的なコントラストを持つ子音はより破壊的である。
さらにクロスランゲージ分析では、子音のランクは一貫性がなく、子音の寄与が言語に依存していることを示している。
関連論文リスト
- Qualitative Evaluation of Language Model Rescoring in Automatic Speech Recognition [6.732553711612198]
いくつかの指標を用いて,ASRシステムにおける言語モデルを用いた再構成の影響について検討した。
これらの指標は、転写仮説における後部再コーディング段階に適用される言語モデルの言語学的貢献を示す。
論文 参考訳（メタデータ） (2026-04-30T07:37:16Z) - Associative Syntax and Maximal Repetitions reveal context-dependent complexity in fruit bat communication [0.0]
本研究では, 果実バス発声の離散性, 構文, 時間構造を推定するための教師なし手法を提案する。
コミュニケーションパターンの複雑さを行動コンテキストと関連づけて評価する。
論文 参考訳（メタデータ） (2025-11-30T19:01:59Z) - SMILE: A Composite Lexical-Semantic Metric for Question-Answering Evaluation [55.26111461168754]
本稿では,文レベルの意味理解とキーワードレベルの意味理解と簡単なキーワードマッチングを組み合わせた新しいアプローチであるSemantic Metric Integrating Lexical Exactnessを紹介する。
人間の判断と計算学的に軽量であり、語彙的評価と意味的評価のギャップを埋める。
論文 参考訳（メタデータ） (2025-11-21T17:30:18Z) - Towards Inclusive ASR: Investigating Voice Conversion for Dysarthric Speech Recognition in Low-Resource Languages [49.31519786009296]
音声変換モデルを英語の変形音声(UASpeech)に微調整し、話者特性と韻律歪みの両方を符号化する。
次に、健康な非英語音声(FLEURS)を非英語の変形性音声に変換する。
生成されたデータは、MMS(Massively Multilingually Speech)と呼ばれる多言語ASRモデルの微調整に使用される。
論文 参考訳（メタデータ） (2025-05-20T20:03:45Z) - 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) - Self-Supervised Speech Representations are More Phonetic than Semantic [52.02626675137819]
自己教師付き音声モデル(S3Ms)は、音声応用の有効なバックボーンとなっている。
S3Msで符号化された単語レベルの言語特性のよりきめ細かい分析を求める。
本研究により,S3M表現は意味的類似性よりも連続的かつ顕著に音声的類似性を示すことが明らかとなった。
論文 参考訳（メタデータ） (2024-06-12T20:04:44Z) - Syntactic Language Change in English and German: Metrics, Parsers, and Convergences [56.47832275431858]
本論文は,過去160年間の議会討論のコーパスを用いて,英語とドイツ語の統語的言語変化のダイアクロニックな傾向を考察する。
私たちは、広く使われているStanford Coreと、新しい4つの選択肢を含む5つの依存関係をベースとしています。
文長分布の尾部では,構文的尺度の変化が頻繁であることが明らかとなった。
論文 参考訳（メタデータ） (2024-02-18T11:46:16Z) - Multipath parsing in the brain [4.605070569473395]
人間は言葉ごとの文章を聴く順番で理解する。
本研究では,音声ブックを聴きながら機能的ニューロイメージングを行う人々の時系列データと,段階的依存からの予測を関連づけることで,これらの構文的あいまいさを人間がどのように処理するかを検討する。
英語と中国語の両方でマルチパス解析の証拠が見つかる。このマルチパス効果に関連する脳領域には、両側上側頭回を含む。
論文 参考訳（メタデータ） (2024-01-31T18:07:12Z) - Making Better Use of Bilingual Information for Cross-Lingual AMR Parsing [88.08581016329398]
概念の誤認は、英語のトークンとAMRの概念の関連性が高いためである、と我々は主張する。
モデルがより正確な概念を予測できるように、バイリンガル入力、すなわち翻訳されたテキストと非英語のテキストを導入します。
論文 参考訳（メタデータ） (2021-06-09T05:14:54Z) - Analyzing autoencoder-based acoustic word embeddings [37.78342106714364]
音響単語埋め込み(AWEs)は、その音響的特徴を符号化した単語の表現である。
本研究では,6言語でシーケンス・ツー・シーケンス・エンコーダ・デコーダモデルにより学習したAWE空間の基本特性を解析する。
AWEは、人間の音声処理と語彙アクセスに関する様々な研究で報告されたパターンと同様、単語の発症バイアスを示す。
論文 参考訳（メタデータ） (2020-04-03T16:11:57Z)
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。