Seminários@CELGA
FLUC, 17 Fevereiro 2011
HE[eee]SIT[u]AÇÃO
Modelos de Hesitação para o Português
Sara Candeias
Fernando Perdigão
Carla Alexandra Lopes
Arlindo Oliveira da Veiga
© 2005, it - instituto de telecomunicações. Todos os direitos reservados.
Sumário
Introdução
 Objeto de estudo
 Objetivos
Plano e métodos
 Corpus
 Análise
Perspetivas
2
Seminários@CELGA: Fevereiro 17, 2011
Objeto de Estudo
Eventos de hesitação (disfluências)
 Pausas preenchidas
 Segmentos fonéticos do sistema português não
ocorrentes no âmbito do vocábulo: uum, mm, amm, aa
 Extensões
 Prolongamentos fonéticos no âmbito de vocábulos
 Vocábulos cortados
 Repetições
 de de, para a para a
 Preenchimentos com vocábulos
 pá, ok, …
3
Seminários@CELGA: Fevereiro 17, 2011
Objetivos
Modelar eventos de hesitação presentes no português falado em
contínuo

Identificar características linguísticas pertinentes e regulares
Descrever os fenómenos de hesitação existentes no português falado
 Propriedades acústico-fonéticas
 Propriedades morfológicas e sintácticas
Caracterizar modelos linguísticos e acústicos das hesitações
 para identificação e anotação automática dos eventos na fala
contínua
Anotar uma base de dados de fala contínua em termos de eventos de
hesitação
4
Seminários@CELGA: Fevereiro 17, 2011
Plano de Trabalho
Criação e anotação de base de dados
Identificação automática de hesitações
 corpora:
Estudo linguístico e caracterização de hesitações
 Tecnovoz
 Noticiários






5
Centenas de locutores
40 horas de fala lida
Anotado ortograficamente
Centenas de horas
Não anotado
Ferramentas para anotação automática de:



jingles e música
mudança de locutor,
reportagens no exterior
Seminários@CELGA: Fevereiro 17, 2011
Eventos de Hesitação
Primeiros passos…
 Eventos encontrados manualmente
 Uso do Transcriber
 Sub-corpora:
 Inferem-se as
primeiras características (surface structure)
que permitam a deteção automática dos eventos
6
Seminários@CELGA: Fevereiro 17, 2011
Deteção Automática de Hesitações
Problemas:
 Ficheiros muito longos; qualidade do áudio variável; muitos
locutores: necessidade de tratamento automático.
 Inexistência de modelos acústicos para hesitação.
Caracterização acústica/fonética dos eventos:
Tom constante e mais baixo que o usual?
 Formantes diferentes? Vibrante múltipla?
 Quais as características a usar?
Deteção de repetições:
 Uso de técnicas de reconhecimento de fala/fones.
7
Seminários@CELGA: Fevereiro 17, 2011
Deteção Automática de Hesitações
Solução preliminar:
 Apenas deteção de pausas preenchidas e extensões.
 Uso de modelos acústicos de fones.
 Modelos estatísticos de fones com “misturas de Gaussianas”, GMM.
 Regra: existe uma hesitação se for detetada uma vogal longa (>350ms)
ou repetições de um mesmo fone por mais que 350ms.
 Permitir mais falsas aceitações que falsas rejeições.
 Verificação manual dos eventos detectados.
 Exemplos
8
Seminários@CELGA: Fevereiro 17, 2011
Processo de Anotação
Sistemas propostos:



Levelt (1983; 1989)
Nakatani & Hirschberg (1994)
Shriberg (1994)


material a corrigir
momentos
de
interrupção
acompanhados (ou não) de pausas
 material reposto
Interruption Point
Mostra voos de Lisboa na
Reparandum
umm
de Londres na terça.
Interregnum
Repair
SimpleMDE_v6.2: Simple Metadata Annotation Specification
 Linguistic Data Consortium
9
Seminários@CELGA: Fevereiro 17, 2011
Exemplos de Anotação
IP
Venho [ de Lisboa ] *
Reparandum
aaaa
FP
de
Repair
[ Co- ]
Reparandum
IP
É necessário gastar [ para renovar] * para
Reparandum
10
Seminários@CELGA: Fevereiro 17, 2011
Repair
Coimbra.
Repair
IP
[ renovar ]*
Reparandum
renová-lo.
Repair
Caracterização de Hesitações
Estruturas subjacentes:
Informação estatística
 reparandum, interruption point, (explicit) editing phase, repair,
 fronteiras (frases, vocábulos, sílabas)
Características fonéticas:
 contornos da onda sonora
 valores de F0 para onset e offset dos eventos
 valores de formantes das vogais
 duração dos segmentos
…
Características sintáticas e morfológicas
(dos eventos e dos elementos adjacentes)
11
Seminários@CELGA: Fevereiro 17, 2011
Perspetivas
Identificação de regularidades no âmbito
 da sintaxe e da morfologia
 da prosódia
???
12
Seminários@CELGA: Fevereiro 17, 2011
Obrigados
Fim
[email protected]
[email protected]
[email protected]
[email protected]
© 2005, it - instituto de telecomunicações. Todos os direitos reservados.