Identification non-supervisée de pseudo-phones à l'aide de k-means et de réseaux convolutifs

Abstract

Retrouver de manière non supervisée des unités sous-lexicales et identifier des pseudo-mots dans la parole est un problème qui ntéresse actuellement les chercheurs en parole. Dans ce travail, nous trouvons des pseudo-unités à l’aide des k-means et d’un réseau de neurones convolutif, en s’aidant d’une segmentation phonétique manuelle ou automatique (multi-langue). Pour vérifier la portabilité de notre approche,nous comparons les résultats pour trois langues différentes : l’anglais, le français et le xitsonga. L’originalité de notre travail réside dans l’utilisation non supervisée d’un réseau de neurones qui d’ordinaire s’utilise dans un cadre supervisé. Comme exemple de résultats sur le corpus de Xitsonga, nous avons obtenu une pureté au niveau phonétique de 46% et de 42%, avec respectivement des segmentations manuelles et automatiques, en utilisant 30 regroupements. Sur la base de ces pseudo-phones, nous avons pu identifier environ 200 pseudo-mots.