@进行中{谷类金属-2021预测,title=“使用感知同化模型和最先进的声学模型预测非母语语音感知”,author=“小米、朱丽叶和奇托拉、伊奥纳和伊万·邓巴“,editor=“比萨扎、阿里安娜和奥姆里·阿本德“,booktitle=“第25届计算自然语言学习会议记录”,月=11月,年=“2021”,address=“在线”,publisher=“计算语言学协会”,url=“https://aclantology.org/2021.conll-1.51”,doi=“10.18653/v1/2021.conll-1.51”,pages=“661--673”,抽象=“我们的母语影响我们感知语音的方式,影响我们辨别非母语语音的能力。我们比较了两种关于母语对语音感知的影响的观点:感知同化模型(Perceptual Assimilation Model),该模型呼吁将声音从心理上划分为母语音素类别,而不是根据母语统计数据调整的丰富、细粒度的语音表示就足够了。我们使用两种最先进的语音模型来实现这一想法,一种是Dirichlet过程高斯混合模型,另一种是最近的wav2vec 2.0模型。我们提供了一个新的、开放的数据集,其中包括法语和英语参与者对六种语言中61个元音的言语感知行为。我们表明,音素同化比细粒度语音模型更能预测整体的辨别行为,以及预测与母语背景差异相关的辨别能力差异。我们还表明,wav2vec 2.0虽然不善于捕捉母语对言语感知的影响,但它是对母语音素同化信息的补充,并提供了一个良好的低水平语音表征模型,支持了在言语感知过程中同时使用范畴感知和细粒度感知的观点。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“millet-etal-2021-预测”><标题信息><title>使用感知同化模型和最先进的声学模型预测非母语语音感知</titleInfo><name type=“personal”>朱丽叶谷子<角色>作者</角色></name><name type=“personal”>Ioana(Ioana)契托兰<角色>作者</角色></name><name type=“personal”>伊万<namePart type=“given”>邓巴<角色>作者</角色></name><originInfo>发布日期:2021-11发布日期:</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>第25届计算自然语言学习会议记录</titleInfo><name type=“personal”>阿里安娜比萨扎<角色>编辑器</角色></name><name type=“personal”>欧姆里Abend(阿本德)<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>在线</place></originInfo><type-authority=“marcgt”>会议出版物</type></relatedItem>我们的母语影响我们感知语音的方式,影响我们辨别非母语语音的能力。我们比较了关于母语对语音感知影响的两种观点:感知同化模型,它呼吁将声音在心理上分类为母语音位类别,而丰富、细粒度的语音表示,根据母语的统计数据调整就足够了。我们使用两种最先进的语音模型来实现这一想法,一种是Dirichlet过程高斯混合模型,另一种是最近的wav2vec 2.0模型。我们提供了一个新的、开放的数据集,其中包括法语和英语参与者对六种语言中61个元音的言语感知行为。我们表明,音素同化比细粒度语音模型更能预测整体的辨别行为,以及预测与母语背景差异相关的辨别能力差异。我们还表明,wav2vec 2.0虽然不善于捕捉母语对语音感知的影响,但它是对母语音素同化信息的补充,并提供了一个低水平语音表示的良好模型,支持在言语感知过程中同时使用分类感知和细粒度感知的观点</摘要><identifier type=“citekey”>millet-etal-2021-预测10.18653/v1/2021.conll-1.51<位置><网址>https://aclantology.org/2021.coll-1.51</url></位置><部分>2021-11年<扩展单元=“page”><开始>661</开始><end>673</end></范围></部分></mods></modsCollection>
%0会议记录%使用感知同化模型和最新声学模型预测非母语语音感知%小米,朱丽叶%Ioana的Chitoran%鄂温阿·邓巴%阿里安娜·比萨扎%奥姆里·阿本德%第25届计算自然语言学习会议论文集%D 2021年%11月8日%计算语言学协会%C在线%F谷类金属-2021预测%我们的母语影响我们感知语音的方式,影响我们辨别非母语语音的能力。我们比较了关于母语对语音感知影响的两种观点:感知同化模型,它呼吁将声音在心理上分类为母语音位类别,而丰富、细粒度的语音表示,根据母语的统计数据调整就足够了。我们使用两种最先进的语音模型来实现这一想法,一种是Dirichlet过程高斯混合模型,另一种是最近的wav2vec 2.0模型。我们提供了一个新的、开放的数据集,其中包括法语和英语参与者对六种语言中61个元音的言语感知行为。我们表明,音素同化比细粒度语音模型更能预测整体的辨别行为,以及预测与母语背景差异相关的辨别能力差异。我们还表明,wav2vec 2.0虽然不善于捕捉母语对言语感知的影响,但它是对母语音素同化信息的补充,并提供了一个良好的低水平语音表征模型,支持了在言语感知过程中同时使用范畴感知和细粒度感知的观点。%R 10.18653/v1/2021.coll-1.51%U型https://aclantology.org/2021.coll-1.51%U型https://doi.org/10.18653/v1/2021.coll-1.51%电话:661-673
降价(非正式)
[使用感知同化模型和最先进的声学模型预测非母语语音感知](https://aclantology.org/2021.coll-1.51)(Millet等人,CoNLL 2021)
国际计算语言学协会
- 朱丽叶·米勒(Juliette Millet)、艾奥娜·奇托兰(Ioana Chitoran)和伊万·邓巴(Ewan Dunbar)。2021使用感知同化模型和最新声学模型预测非母语语音感知.英寸第25届计算自然语言学习会议记录,第661-673页,在线。计算语言学协会。