[论文解读] Automated tone transcription

Steven Bird|ArXiv.org|Oct 24, 1994

Music and Audio Processing参考文献 8被引用 4

一句话总结

本文提出一种计算模型，用于通过将观测到的F₀（基频）轮廓映射到音高序列，实现语调语言的自动语调转录。该模型使用参数化F₀预测函数P求解音高分配的逆问题，结合遗传算法与模拟退火法，在合成数据和真实的巴米莱克-松加姆语数据上均表现出良好的转录效果，结果表明该方法对长达20个语调的序列具有鲁棒性。

ABSTRACT

In this paper I report on an investigation into the problem of assigning tones to pitch contours. The proposed model is intended to serve as a tool for phonologists working on instrumentally obtained pitch data from tone languages. Motivation and exemplification for the model is provided by data taken from my fieldwork on Bamileke Dschang (Cameroon). Following recent work by Liberman and others, I provide a parametrised F_0 prediction function P which generates F_0 values from a tone sequence, and I explore the asymptotic behaviour of downstep. Next, I observe that transcribing a sequence X of pitch (i.e. F_0) values amounts to finding a tone sequence T such that P(T) {}~= X. This is a combinatorial optimisation problem, for which two non-deterministic search techniques are provided: a genetic algorithm and a simulated annealing algorithm. Finally, two implementations---one for each technique---are described and then compared using both artificial and real data for sequences of up to 20 tones. These programs can be adapted to other tone languages by adjusting the F_0 prediction function.

研究动机与目标

• 开发一种计算框架，用于将语调语言中观测到的F₀轮廓分配给音高序列。
• 解决将仪器测量的基频数据转录为具有音系学意义的音高序列的挑战。
• 为音系学家提供一种灵活、可适应的工具，用于利用声学数据分析语调语言。
• 利用参数化F₀模型研究语调系统中降升现象的渐近行为。
• 比较两种非确定性优化技术——遗传算法与模拟退火法——在语调转录任务中的性能表现。

提出的方法

• 提出一种参数化F₀预测函数P，能够从给定的音高序列生成预期的F₀值。
• 将语调转录任务建模为组合优化问题：寻找一个音高序列T，使得P(T) ≈ X，其中X为观测到的F₀轮廓。
• 采用遗传算法通过选择、交叉和变异操作探索可能的音高序列搜索空间。
• 应用模拟退火法通过概率性地接受次优解，迭代优化音高序列候选解，以避免陷入局部最优。
• 利用来自喀麦隆巴米莱克-松加姆语的实地数据校准F₀预测函数，使其可适应其他语调语言。
• 在人工数据（已知音高序列）和实地采集的真实基频轮廓上评估两种算法。

实验结果

研究问题

• RQ1 参数化F₀预测函数在多大程度上能准确建模语调语言中的音高轮廓？
• RQ2 遗传算法与模拟退火法在多大程度上能有效从观测到的F₀数据中恢复音高序列？
• RQ3 在语调转录任务中，两种优化技术在准确性和收敛速度方面有何差异？
• RQ4 F₀预测模型中降升现象的渐近行为如何？其对转录可靠性有何影响？
• RQ5 通过调整F₀函数的参数，该框架能否推广至其他语调语言？

主要发现

• 参数化F₀预测函数P基于巴米莱克-松加姆语的实地数据，成功建模了音高轮廓，包括降升效应。
• 遗传算法与模拟退火法在已知真实音高序列的人工数据上均实现了高精度的音高序列重建。
• 模拟退火法在较短序列上表现出更快的收敛速度和更一致的结果，而遗传算法在复杂或噪声较大的数据上展现出更强的鲁棒性。
• 该模型正确捕捉了降升现象，F₀预测函数反映了其累积性和渐近性行为。
• 该转录系统成功应用于巴米莱克-松加姆语的真实基频轮廓，生成了音系学上合理的音高序列。
• 通过使用语言特异性数据重新参数化F₀预测函数，该框架可轻松适配其他语调语言。