Influence de la transcription sur la phonétisation automatique de corpus oraux (what is the impact of the transcription on the phonetization) [in French]

Actes de la conférence conjointe JEP-TALN-RECITAL 2012, volume 1: JEP, pages 449–456, Grenoble, 4 au 8 juin 2012. c ⃝2012 ATALA & AFCP Influence de la transcription sur la phonétisation automatique de corpus oraux Brigitte Bigi Pauline Péri Roxane Bertrand Laboratoire Parole et Langage, CNRS & Aix-Marseille Université, 5 avenue Pasteur, BP80975, 13604 Aix-en-Provence France brigitte.bigi@lpl-aix.fr, peripauline@gmail.com, roxane.bertrand@lpl-aix.fr RÉSUMÉ Notre objectif vise à estimer l’influence de différents niveaux d’enrichissement de la tran- scription sur l’étape de phonétisation de l’oral. Cette étude a été réalisée sur un corpus test de 7 minutes, réparties entre trois types de données différentes (parole conversationnelle spontanée, lecture et discours politique). Les résultats montrent que plus la transcription bénéficie d’enrichissements, meilleure est la phonétisation obtenue, quel que soit le type de corpus. ABSTRACT what is the impact of the transcription on the phonetization This paper aims at quantifying the impact of the transcription enrichments on the automatic phonetization of speech. Experiments were carried out on a 7 minutes French corpus including conversational speech, readed speech and a political discourse. Results showed the better the transcription the better the phonetization and that independently on the corpus. MOTS-CLÉS : transcription, oral, enrichissement, phonétisation. KEYWORDS: transription, phonetization, enrichment, speech. 1 Introduction Pendant de nombreuses années, les transcriptions de corpus oraux étaient établies selon des conventions pouvant varier d’un auteur à l’autre, ou d’un projet à l’autre. Depuis une dizaine d’années, on constate de nombreux efforts de mutualisation et de partage des corpus. Ceci implique d’une part le recensement des différentes conventions existantes, d’autre part une ten- tative d’homogénéisation de ces conventions, quels que soient les objectifs et projets. Disposer de conventions communes permet de fournir aux transcripteurs des consignes précises qui con- tribuent surtout à rendre leurs transcriptions non seulement plus homogènes mais comparables et exploitables par une plus grande communauté d’utilisateurs. Le choix de certaines conven- tions mais plus encore celui des phénomènes à transcrire peut faciliter les traitements automa- tiques des corpus parmi lesquels les étapes de phonétisation, d’analyse morpho-syntaxique ou encore la reconnaissance automatique de la parole. 449 Dans cet article, nous abordons la question de la phonétisation des corpus oraux qui dépend de la transcription effectuée en amont. La phonétisation est l’étape consistant à convertir la suite de mots orthographiques en chaîne phonétique (ou en symboles phonétiques). Notre objectif est de mesurer l’influence des choix effectués lors de la transcription sur la phonétisation automatique. Cet article se décline en 5 sections. La section 2 concerne la transcription du français oral et synthétise quelques conventions. La section 3 porte sur l’outil de phonétisation automatique utilisé. La section 4 présente le corpus de test. Enfin la section 5 expose la méthode et le résultat de l’évaluation. 2 Transcription Il existe de nombreuses conventions de transcription en fonction des projets et objectifs de recherche. Nous ne visons pas l’exhaustivité mais nous avons sélectionné certaines conventions établies dans des projets relativements différents. Celles établies dans le cadre de la campagne ESTER visent à évaluer les systèmes de reconnaissance automatique …

Content truncated to 500 words