MARC

 008260126s2025        us                              c    eng  d
■001000017358320
■00520260202104643
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798288822049
■035    ▼a(MiAaPQ)AAI32114404
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a401
■1001  ▼aProch  Ahn,  Emily.
■24510▼aInvestigating  the  Corpus  Phonetics  Pipeline  Applied  to  Diverse  Speech  Data
■260    ▼a[Sl]▼bUniversity  of  Washington▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a132  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-01,  Section:  B.
■500    ▼aAdvisor:  Levow,  Gina-Anne.
■5021  ▼aThesis  (Ph.D.)--University  of  Washington,  2025.
■520    ▼aCorpus  phonetics  research  has  become  increasingly  large-scale  as  both  data  and  automated  tools  have  become  more  plentiful  and  available.  Now  that  there  are  resources  to  study  more  kinds  of  data,  what  are  some  best  practices  in  using  these  resources,  especially  when  the  data  is  diverse?  This  dissertation  addresses  the  following  research  questions:  How  do  we  process  diverse  speech  data,  and  how  much  can  we  rely  on  automated  tools  to  conduct  corpus  phonetics  research?  The  types  of  diversity  covered  in  this  work  include  multilingual  and  fieldwork  corpora  covering  styles  including  read,  spontaneous,  and  code-switched  speech.  Across  four  studies,  we  show  that  automated  systems  in  the  corpus  phonetics  pipeline  are  viable  on  multilingual  and  low-resource  datasets.  We  first  propose  a  pipeline  that  utilizes  automated  systems  that  convert  orthography  to  phonemes,  model  the  acoustics  and  align  audio  to  those  phonemes,  and  extract  features  for  phonetic  analysis.  We  apply  this  pipeline  to  a  large,  multilingual  corpus  and  show  both  the  utility  and  limitations  of  this  derivative  corpus  in  a  careful  study  of  outlying  phonetic  features.  Then,  we  apply  novel  techniques  to  improve  the  phonetic  forced  alignment  of  low-resource  field  data,  a  challenging  yet  important  process  in  language  documentation.  We  encourage  the  research  community  to  continue  developing  tools  to  aid  in  language  documentation  and  cross-linguistic  research.  In  doing  so,  it  is  important  to  include  manual  audits  and  to  examine  whether  or  not  the  tools  are  genuinely  modeling  the  data.
■590    ▼aSchool  code:  0250.
■650  4▼aLinguistics
■650  4▼aComputer  science
■650  4▼aLanguage  arts
■650  4▼aInformation  technology
■653    ▼aCorpus  phonetics
■653    ▼aForced  alignment
■653    ▼aLanguage  documentation
■653    ▼aSpeech  technology
■653    ▼aDiverse  speech  data
■690    ▼a0290
■690    ▼a0984
■690    ▼a0279
■690    ▼a0489
■71020▼aUniversity  of  Washington▼bLinguistics.
■7730  ▼tDissertations  Abstracts  International▼g87-01B.
■790    ▼a0250
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17358320▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books