使用感知同化模型和最新声学模型预测非母语语音感知

朱丽叶·米勒，Ioana Chitoran公司，伊万·邓巴

摘要
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。
选集ID：
2021.续-1.51
体积：
第25届计算自然语言学习会议记录
月份：
十一月
年份：
2021
地址：
在线的
编辑：
阿里安娜·比萨扎，奥姆里·阿本德
地点：
CoNLL公司
SIG公司：
SIGNLL公司
出版商：
计算语言学协会
注：
页：
661–673
语言：
网址：
https://aclantology.org/2021.coll-1.51
内政部：
10.18653/v1/2021.coll-1.51
比比键：
引用（ACL）：
Juliette Millet、Ioana Chitolan和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。
引用（非正式）：
使用感知同化模型和最新声学模型预测非母语语音感知（Millet等人，CoNLL 2021）
复制引文：
PDF格式：
https://aclantology.org/2021.coll-1.51.pdf
视频：
 https://aclantology.org/2021.coll-1.51.mp4网址
PDF格式 引用 搜索 视频