Segmentation syllabique et reconnaissance des tons du chinois en parole continue

par Pierre Hallé

Thèse de doctorat en Informatique

Sous la direction de Joseph Mariani.

Soutenue en 1985

à Paris 11 , en partenariat avec Université de Paris-Sud. Faculté des sciences d'Orsay (Essonne) (autre partenaire) .

Le président du jury était Christian Fluhr.

Le jury était composé de Joseph Mariani, Christian Fluhr, Jean-Sylvain Liénard, Jean Caelen, Xavier Rodet.

mots clés

• Stabilité spectrale
• Loudness
• Tons du chinois
• Reconnaissance contrastive
• Chinois (langue) -- Phonétique
• Chinois (langue) -- Prosodie (linguistique)
• Reconnaissance automatique de la parole

Résumé

Dans cette thèse sont traités les problèmes préliminaires et spécifiques au décodage phonétique de La parole continue pour une Langue à tons : le chinois de Pékin. Les caractéristiques de cette langue dictant le choix de La syllabe comme unité acoustique de reconnaissance phonétique, il est tout d'abord proposé une méthode d'extraction des noyaux vocaliques utilisant conjointement stabilité spectrale et sonorité (Loudness). La seconde partie est consacrée à l'identification des tons phonologiques portés par les syllabes, indépendamment de la partie segmentale. Il est proposé d'une part une méthode de normalisation neutralisant l'intonation générale, et d'autre part une méthode de reconnaissance probabiliste qui exploite les contrastes entre unités successives en plus de leurs valeurs intrinsèques.

Titre traduit

Syllabic segmentation and continuous speech chinese tone recognition

Résumé

This is a preliminary study on phonetic decoding of a tone language: the Peking dialect. The choice of this language implies the use of strategies based on the syllable as the recognition unit. A new method of vowel nuclei detection is first proposed. This method combines the use of spectral variability and loudness. The second part is devoted to the recognition of tones, regardless of the segmentals on which they are carried. A normalization technique based on a general intonation curve estimate is first proposed. Then a probabilistic recognition technique is presented. We have called it "contrastive" because, in addition to using information on the intrinsic characteristics of tonal units, it also employs knowledge of the contrasts between these units.