Automatic Detection of Speech Disfluencies in the Spontaneous Russian Speech

Алгоритмы И Программные Средства Автоматического Определения Речевых Сбоев В Звуковом Сигнале

“…Ана-лиз степени постоянства спектра сигнала производился на основе рас-чета кросскорреляционной функции нормированных спектров сосед-них сегментов речи [34]. В случае постоянства спектра значение мак-симума кросскорреляционной функции приближается к единице.…”

“…Получив-шиеся интервалы соответствуют относительно продолжительным гласным и сонантам (минимальная длительность -2 окна). Затем отби-рались интервалы, длительность которых превышает заданный экспе-риментально порог (0,18с): такие интервалы считались соответствую-щими искомым удлинениям [34].…”

“…Длительность этих отрезков была недостаточной для преодоления порога правильно найденных явлений. Так, если решить проблему с ларингализованными звуками, то про-цент правильного определения вырастет до 88% [34]. Точность опре-деления артефактов составила 66%, если пренебречь тихим дыханием, которое составило больше половины ненайденных явлений, и причмо-кивания, нахождение которых не предполагалось в связи с ограниче-нием на длительность элементов (минимум 200 мс).…”

“…Участникам выдаются карты (одна с указанным маршрутом, другая -без него), при этом говорящие не ви-дят карт друг друга. Детальное описание карт приведено в работе [34]. Участник с картой, где обозначен маршрут, объясняет другому участ-нику, куда ему следует двигаться по карте.…”