Efeito do estilo de elocução e do falante sobre o tamanho mínimo de amostra para estimativa da taxa de produção da fala

Pablo Arantes
PDF

Resumo

Investigamos o papel do estilo de elocução e do falante sobre a estimativa do tamanho mínimo de amostra necessário para estimar de forma estável a taxa de produção da fala. Os estilos de elocução comparados são a entrevista semiespontânea e a leitura de frases. São analisadas 20 amostras de fala, 10 em cada estilo, de 5 falantes do sexo masculino e 5 do feminino. Os tempos de estabilização são definidos como o momento ao longo da série temporal da taxa de produção calculada de forma cumulativa no qual há uma redução da variabilidade na série de dados. Dois critérios para definir estabilidade são apresentados e comparados, um baseado em análise estatística e outro em um limiar perceptual. Testamos também o efeito do aumento progressivo (começando com 30 s e chegando a 300 s) da amostra submetida aos procedimentos de detecção de estabilidade. Os resultados mostram que os tempos médios de estabilização dependem do critério usado para sua detecção, mas são em geral mais longos para o estilo semiespontâneo, variando entre 60 e 70 s para a leitura e 80 e 110 s para a fala semiespontânea. Os tempos de estabilização tendem a ser mais longos quando a duração da amostra é maior. O sexo do falante não tem impacto relevante sobre o tempo de estabilização. As estimativas de tempo de estabilização variam entre diferentes falantes quase tanto quanto a variabilidade intrafalante. Os resultados são relevantes para a área da fonética forense porque sugerem com base em uma metodologia explícita e reprodutível qual é a duração mínima que uma amostra de fala precisa ter para que se estime a partir dela a taxa de produção da fala para fins de comparação de locutor

Referências

ARANTES, P. Estimativas de longo termo da frequência fundamental: implicações para a fonética forense. Revista Virtual de Estudos da Linguagem – ReVEL, v. 12, n. 23, p. 217–236, 2014.

ARANTES, P. Speech rate estimation: how long should the utterance be? Anais do Colóquio Brasileiro de Prosódia da Fala, v. 3, 2015.

ARANTES, P.; ERIKSSON, A. Temporal stability of long-term measures of fundamental frequency. (N. Campbell, D. Gibbon, D. Hirst, Eds.)Proceedings of the 7th International Conference on Speech Prosody. Anais...Dublin: ISCA, 2014.

ARANTES, P.; ERIKSSON, A.; GUTZEIT, S. Effect of language, speaking style and speaker on long-term F0 estimation. Interspeech 2017. Anais...Stockholm: ISCA, 2017.

ARANTES, P.; LIMA, V. G. Towards a methodology to estimate minimum sample length for speaking rate. Revista do GEL, v. 14, n. 2, p. 183–197, 2017.

BARBOSA, P. A. Incursões em torno do ritmo da fala. Campinas: Pontes, 2006.

BARBOSA, P. A. Prosódia. 1. ed. São Paulo: Parábola, 2019.

BOERSMA, P. Praat, a system for doing phonetics by computer. Glot International, v. 5, n. 9/10, p. 341–345, 2001.

BÓNA, J. Temporal characteristics of speech: The effect of age and speech style. The Journal of the Acoustical Society of America, v. 136, n. 2, p. EL116–EL121, 1 ago. 2014.

CAO, H.; LEI, Y. Fundamental frequency statistics for young male speakers of Mandarin. Journal of Forensic Science and Medicine, v. 3, n. 4, p. 217–222, 2017.

CAO, H.; WANG, Y. A forensic aspect of articulation rate variation in Chinese. Proceedings of the XVIIth ICPhS. Anais... Em: XVIITH ICPHS. 2011.

CRYSTAL, T. H.; HOUSE, A. S. Segmental durations in connected speech signals: Preliminary results. The Journal of the Acoustical Society of America, v. 72, n. 3, p. 705–716, 1 set. 1982.

EDWARDS, J.; BECKMAN, M. E.; FLETCHER, J. The articulatory kinematics of final lengthening. The Journal of the Acoustical Society of America, v. 89, n. 1, p. 369–382, 1 jan. 1991.

ERIKSSON, A. Aural/acoustic vs. automatic methods in forensic phonetic case work. Em: NEUSTEIN, A.; PATIL, H. A. (Eds.). Forensic Speaker Recognition: Law Enforcement and Counter-terrorism. [s.l.] Springer, 2011. p. 41–70.

GFROERER, S. Auditory-instrumental forensic speaker recognition. Proceedings of Eurospeech 2003. Anais...2003.

GOLD, E.; FRENCH, P. International practices in forensic speaker comparison. The International Journal of Speech, Language and the Law, v. 18, n. 2, p. 293–307, 2011.

GOLD, E.; FRENCH, P. International practices in forensic speaker comparisons: second survey. International Journal of Speech Language and the Law, v. 26, n. 1, p. 1–20, 2019.

HIROSE, K.; KAWANAMI, H. Temporal rate change of dialogue speech in prosodic units as compared to read speech. Speech Communication, v. 36, n. 1–2, p. 97–111, jan. 2002.

HOWELL, P.; KADI-HANIFI, K. Comparison of prosodic properties between read and spontaneous speech material. Speech Communication, v. 10, n. 2, p. 163–169, jun. 1991.

HUDSON, T. et al. F0 statistics for 100 young male speakers of Standard Southern British English. ICPhS XVI. Anais...Saarbrücken: 2007.

JAFFE, J.; BRESKIN, S. Temporal Patterns of Speech and Sample Size. Journal of Speech and Hearing Research, v. 13, n. 3, p. 667–668, set. 1970.

JESSEN, M. Forensic reference data on articulation rate in German. Science and Justice, v. 47, p. 50–67, 2007.

JESSEN, M. Forensic phonetics and the influence of speaking style on global measures of fundamental frequency. Em: GREWENDORF, G.; RATHERT, M. (Eds.). Formal linguistics and law. Berlin: Mouton de Gruyter, 2009. p. 115–139.

KENDALL, T. Speech Rate, Pause, and Sociolinguistic Variation: Studies in Corpus Sociophonetics. London: Palgrave Macmillan, 2013.

KILLICK, R.; ECKLEY, I. A. changepoint: An R Package for Changepoint Analysis. Journal of Statistical Software, v. 58, n. 3, p. 1–19, 2014.

KÜNZEL, H. Some general phonetic and forensic aspects of speaking tempo. Forensic Linguistics, v. 4, n. 1, p. 48–83, 1997.

LEHISTE, I. Suprasegmentals. Cambridge, MA: MIT Press, 1970.

LINDH, J. Preliminary descriptive F0-statistics for young male speakers. Lund Working Papers, v. 52, p. 89–92, 2006.

MACHAČ, P.; SKARNITZL, R. Principles of Phonetic Segmentation. Prague: Epocha Publishing House, 2009.

MORRISON, G. Forensic voice comparison. Em: I. FRECKELTON; H. SELBY (Eds.). Expert Evidence. Sydney, Australia: Thomson Reuters, 2010.

MORRISON, G. S. Forensic voice comparison and the paradigm shift. Science and Justice, v. 49, n. 4, p. 298–308, 2009.

OLIVEIRA, J. C. C. Multiparametric analysis of phonetic-acoustic measures in genetically and non-genetically related speakers: implications for forensic speaker comparison. Tese de doutorado—Campinas: Universidade Estadual de Campinas, 2021.

PETTORINO, M. et al. VtoV: a perceptual cue for rhythm identification. Prosody-Discourse Interface Conference 2013. Anais... Em: PROSODY-DISCOURSE INTERFACE CONFERENCE 2013. 2013.

PFITZINGER, H. R. Two approaches to speech rate estimation. Proceedings of the 6th Australian Internation Conference on Speech Science and Technology (SST ’96). Anais...1996.

PFITZINGER, H. R. Local speech rate as a combination of syllable and phone rate. Proceedings of the 5th ICSLP. Anais...1998.

QUENÉ, H. On the just noticeable difference for tempo in speech. Journal of Phonetics, v. 35, p. 353–362, 2007.

R CORE TEAM. R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing, 2020.

SKARNITZL, R.; VAŇKOVÁ, J. Fundamental frequency statistics for male speakers of Common Czech. AUC PHILOLOGICA, v. 2017, n. 3, p. 7–17, set. 2017.

TURK, A.; NAKAI, S.; SUGAHARA, M. Acoustic segment durations in prosodic research: a practical guide. Em: SUDHOFF, S. et al. (Eds.). Methods in empirical prosody research. Berlin: Walter de Gruyter, 2006. p. 2–27.

WIGHTMAN, C. W. et al. Segmental durations in the vicinity of prosodic phrase boundaries. The Journal of the Acoustical Society of America, v. 91, n. 3, p. 1707–1717, 1 mar. 1992.