Analyse conjointe du signal sonore et de sa transcription pour l’identification nommée de locuteurs [Joint signal and transcription analysis for named speaker identification]

Analyse conjointe du signal sonore et de sa transcription pour l’identification nommée de locuteurs Vincent Jousse⋆ ⋆⋆ — Sylvain Meignier⋆ — Christine Jacquin⋆⋆ — Simon Petitrenaud⋆ — Yannick Estève⋆ — Béatrice Daille⋆⋆ ⋆ LIUM - Université du Maine, Avenue Laënnec - 72085 Le Mans Cedex ⋆⋆ LINA - 2 rue de la Houssinière - BP 92208 - 44322 Nantes Cedex 03 prénom.nom@univ-lemans.fr ou prénom.nom@univ-nantes.fr RÉSUMÉ. Depuis quelques années, le traitement de très grandes collections de documents mul- timédias devient crucial pour certaines applications comme les systèmes d’indexation ou de recherche documentaire. Mais ces collections ne peuvent être traitées manuellement avec un coût raisonnable : seuls les systèmes automatiques apportent une solution viable. Dans ce do- cument, nous traiterons de l’extraction automatique de l’identité du locuteur (prénom et pa- tronyme) présente dans les enregistrements sonores. À partir des résultats d’un système de transcription enrichie, nous présentons une méthode qui vise à extraire l’identité des locuteurs de la transcription et à l’assigner aux différents tours de parole. Le système a été évalué sur des enregistrements radiophoniques provenant de la campagne d’évaluation ESTER 1 phase II. ABSTRACT. For some years, processing mass of multimedia documents has become a very crucial issue for applications like indexation or information retrieval. Among the focused information, speaker identity can be very useful for such applications. A huge collection of documents cannot be manually processed with a reasonable cost: only automatic systems are a relevant solution.In this paper, we consider the extraction of speaker identity (firstname and lastname) from audio records of broadcast news. Using a rich transcription system, we present a method which allows to extract speaker identities from automatic transcripts and to assign them to speaker turns. Experiments are carried out on French broadcast news records from the ESTER 1 phase II evaluation campaign. MOTS-CLÉS : identification nommée du locuteur, reconnaissance du locuteur, transcription enri- chie. KEYWORDS: speaker named identification, speaker recognition, rich transcription. TAL. Volume 50 – n˚ 1/2009, pages 201 à 225 202 TAL. Volume 50 – n˚ 1/2009 1. Introduction Pour faciliter la recherche et l’accès à l’information, les très grandes collections de données audio ont besoin d’être indexées. Les annotations manuelles sont coû- teuses, particulièrement pour la transcription des paroles prononcées, les thèmes des documents ou les noms des locuteurs. Il paraît donc nécessaire de s’intéresser à la réa- lisation automatique de ces annotations. En effet, si le taux d’erreur de ces systèmes est suffisamment faible, ces derniers permettent un gain de temps non négligeable. Le système présenté dans ces travaux s’intéresse au cas de l’annotation des documents avec l’identité des locuteurs. Cette identité est composée du prénom et du patronyme du locuteur, ce couple étant appelé dans la suite du document « nom complet ». Dans le cadre de l’annotation automatique de documents sonores (appelée aussi transcription enrichie), la première étape consiste, à partir du signal acoustique, à seg- menter le signal sonore en tours de parole. Ces derniers débutent lorsqu’un locuteur commence à parler et finissent lorsqu’un autre locuteur prend …

Content truncated to 500 words