A knowledge-based pronunciation generation system for French

Abstract

This paper aims to describe a knowledge-based pronunciation generation system for French. It has been reported that a rule-based pronunciation generation system outperforms most of the data-driven ones for French; however, only a few related studies are available due to existing language barriers. We provide basic information about the French language from the point of view of the relationship between orthography and pronunciation, and then describe our knowledge-based pronunciation generation system, which consists of morphological analysis, Part-of-Speech (POS) tagging, grapheme-to-phoneme generation, and phone-to-phone generation. The evaluation results show that the word error rate of POS tagging, based on a sample of 1,000 sentences, is 10.70% and that of phoneme generation, using 130,883 entries, is 2.70%. This study is expected to contribute to the development and evaluation of speech synthesis or speech recognition systems for French. Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0) which permits unre-stricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

English Speech Recognition and Pronunciation Quality Evaluation Model Based on Neural Network

“…, x r represents the r inputs of a neuron; ω i represents the connection strength (connection weight) of the ith input; θ is the bias (threshold) of the neuron; and y is the output of the neuron. It can be seen that the arti cial neuron is a nonlinear structure with multiple inputs and single output [19].…”

Corpus-based evaluation of French text normalization

“…프랑스어는 복잡한 동사 활용(conjugation), 성(gender), 수 (number)의 일치 문제로 인해 어휘의 다양성이 매우 큰 언어로 자소음소 변환(GTP, grapheme-to-phoneme)과 함께 텍스트 정규 화의 문제도 매우 복잡한 양상을 보인다 (Adda et al, 1997;Yvon et al, 1998;Kim, 2018). 다양한 종류의 규칙성과 불규칙성을 내 포하고 있는 프랑스어의 텍스트 정규화 문제는 주로 규칙 기반 방법론이 이용되어 왔는데 (Yvon et al, 1998), 최근 크라우드 소 싱(crowd sourcing)을 통하여 수집된 데이터를 토대로 통계적 번 역 방법(statistical machine translation)을 규칙 기반 방식과 하이 브리드로 적용한 경우 가장 좋은 성능을 보인다고 보고되었다 (Schlippe et al, 2013).…”

Corpus-based evaluation of French text normalization

“…프랑스어는 복잡한 동사 활용(conjugation), 성(gender), 수 (number)의 일치 문제로 인해 어휘의 다양성이 매우 큰 언어로 자소음소 변환(GTP, grapheme-to-phoneme)과 함께 텍스트 정규 화의 문제도 매우 복잡한 양상을 보인다 (Adda et al, 1997;Yvon et al, 1998;Kim, 2018). 다양한 종류의 규칙성과 불규칙성을 내 포하고 있는 프랑스어의 텍스트 정규화 문제는 주로 규칙 기반 방법론이 이용되어 왔는데 (Yvon et al, 1998) (Sproat et al, 2001;Yvon et al, 1998), 아니면 일반적인 기계학습의 경우와 같이 일정 분 량의 데이터를 학습으로 사용하고 일정 분량의 데이터를 테스 트에 사용하는 방식으로 따로 제약을 두지 않았다 (Schlippe et al, 2013).…”