論文の概要: A Native-Reference Phone-Class Geometry for Second-Language Pronunciation Analysis

• arxiv url: http://arxiv.org/abs/2609.30075v1
• Date: Thu, 24 Sep 2026 16:28:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:10.103178
• Title: A Native-Reference Phone-Class Geometry for Second-Language Pronunciation Analysis
• Title（参考訳）: 第二言語発音解析のためのネイティブ・レファレンス・電話クラス幾何
• Abstract要約: 発音ラベルや読解プロンプト,一致した記録を必要とせず,第2言語(L2)の発音偏差を測定するために,母語対応の音階幾何学を提案する。 各L2発話に対して、対応する平均を計算し、それらをネイティブ参照空間に投影する。
• 参考スコア（独自算出の注目度）: 11.848227905269942
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatic speaking assessment systems can provide holistic proficiency scores, but often lack interpretable measures that characterize pronunciation quality. We propose a native-reference phone-class geometry for measuring second language (L2) pronunciation deviation without requiring pronunciation labels, read-aloud prompts, or matched recordings of the same text from native and L2 speakers. Given a native speech corpus, we average frame-level self-supervised representations for each context-dependent phone-class and use singular value decomposition (SVD) to derive a compact native-reference coordinate system. For each L2 utterance, we compute the corresponding averages and project them into the native-reference space. We then demonstrate that the distances between L2 and native-reference coordinates for matched phone-classes show consistent negative correlations with holistic speaking proficiency on the Dev subset of the Speak and Improve Corpus 2025 (Spearman's $ρ\!=\!-0.53$) and with pronunciation quality on the learner subset of the English Read by Japanese Students dataset ($ρ\!=\!-0.34$). These findings suggest that the proposed geometry captures acoustic-phonetic information relevant for proficiency rating while remaining applicable to spontaneous L2 speech without matched native recordings.
• Abstract（参考訳）: 自動発話評価システムは、総体的習熟度スコアを提供することができるが、発音品質を特徴づける解釈可能な尺度を欠くことが多い。 そこで本稿では,L2話者とL2話者の発音ラベル,読解プロンプト,一致した音声記録を必要とせず,第2言語(L2)の発音偏差を計測するためのネイティブ参照音声分類法を提案する。 ネイティブ音声コーパスが与えられた場合、文脈依存の電話クラスごとにフレームレベルの自己教師表現を平均化し、特異値分解(SVD)を用いて、コンパクトなネイティブ参照座標系を導出する。 各L2発話に対して、対応する平均を計算し、それらをネイティブ参照空間に投影する。 次に,Speak and Improve Corpus 2025(Spearman's $ρ\! =\! -0.53$)と日本語学習者の英語読解サブセットの発音品質(ρ\! =\! -0.34ドル。 これらの結果から,提案手法は習熟度に関係する音響・音韻情報を抽出するが,L2音声の自発性は生音声と一致しないことがわかった。

関連論文リスト

• A Native-Reference Coordinate Geometry for L2 Pronunciation Deviation Using Self-Supervised Speech Models [12.863684545287716]
  そこで本研究では,L2音声の低次元参照部分空間を定義し,L2音声をL2音声からL2音声までの距離で評価する手法を提案する。 異なる自己教師付きエンコーダとモデル選択により、結果として得られるネイティブ参照距離は、話しの習熟度と-0.5までの負のスピアマン相関を示し、高い習熟度話者がネイティブ参照空間に近づく傾向があることを示している。
  論文  参考訳（メタデータ） (2026-09-23T13:11:25Z)
• Syllabic-Structure Decoder for Automatic Speech Recognition in Vietnamese [8.447993256993428]
  我々はベトナム語の特徴から、ASRのためのSyllabic-Structure Decoderを提案する。 提案手法では,音節の音韻的構成を明示的に把握し,コンパクトな音韻インベントリから有効な音節構造をデコーダで生成する。
  論文  参考訳（メタデータ） (2026-05-27T02:51:09Z)
• Unseen Speaker and Language Adaptation for Lightweight Text-To-Speech with Adapters [3.7987175642397832]
  アダプタのレンズを用いた言語間テキスト音声合成について検討する。 その結果,言語固有の情報や話者固有の情報の学習において,アダプタの有効性が示された。 また,アダプタ配置,構成,使用話者数の影響について考察した。
  論文  参考訳（メタデータ） (2025-08-25T13:14:57Z)
• Automatic Proficiency Assessment in L2 English Learners [51.652753736780205]
  英語の第二言語習熟度(L2)は通常、英語の教師や専門家の評価者によって知覚的に評価される。 本稿では, 音声信号と対応文字の双方に対処し, 総合的なL2習熟度評価のための深層学習手法について検討する。
  論文  参考訳（メタデータ） (2025-05-05T12:36:03Z)
• Speak & Improve Corpus 2025: an L2 English Speech Corpus for Language Assessment and Feedback [28.53752312060031]
  Speak & Improve Corpus 2025は、L2学習者の英語データのデータセットである。 コーパスリリースの目的は、L2音声言語処理システムの開発において大きな課題に取り組むことである。 ELiTのウェブサイトで非商用利用が可能である。
  論文  参考訳（メタデータ） (2024-12-16T17:07:26Z)
• Learning Speech Representation From Contrastive Token-Acoustic Pretraining [57.08426714676043]
  本研究では、2つのエンコーダを用いて音素と音声を複数モーダル空間に導入するCTAP(Contrastive Token-Acoustic Pretraining)を提案する。 提案したCTAPモデルは、210k音声と音素ペアで訓練され、最小教師付きTS、VC、ASRを実現する。
  論文  参考訳（メタデータ） (2023-09-01T12:35:43Z)
• Incorporating L2 Phonemes Using Articulatory Features for Robust Speech Recognition [2.8360662552057323]
  本研究は,韓国語音素を指すL2音素の効率的な組み込みについて,音声特徴分析を用いて検討した。 格子のない最大相互情報(LF-MMI)の目的をエンドツーエンドに使い、音響モデルを訓練し、複数の発音候補のうちの1つを調整・予測する。 実験結果から,提案手法は韓国語L2音声のASR精度をL1音声データのみに基づく訓練により向上させることが示された。
  論文  参考訳（メタデータ） (2023-06-05T01:55:33Z)
• Unsupervised Cross-Modal Audio Representation Learning from Unstructured Multilingual Text [69.55642178336953]
  教師なし音声表現学習へのアプローチを提案する。 3重項ニューラルネットワークアーキテクチャに基づいて、意味論的に関連付けられたクロスモーダル情報を用いて、音声トラック関連性を推定する。 我々のアプローチは、様々なアノテーションスタイルと、このコレクションの異なる言語に不変であることを示す。
  論文  参考訳（メタデータ） (2020-03-27T07:37:15Z)

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。