Análisis y clasificación del modo de habla: susurrado a gritado

La variación en el esfuerzo vocal representa uno de los problemas más desafiantes en el mantenimiento del rendimiento del sistema de habla para codificación, reconocimiento del habla y del hablante. Los cambios en el esfuerzo vocal (o modo) resultan en un cambio fundamental en la producción del habla que no es simplemente un cambio en el volumen. Este es el primer estudio que considera colectivamente los cinco modos de habla: susurrado, suave, neutral, fuerte y gritado. Después del desarrollo del corpus, se realiza un análisis para i) nivel de intensidad sonora, ii) duración y porcentaje de silencio, iii) distribución de energía en el marco y iv) inclinación espectral. El análisis muestra rasgos dependientes del esfuerzo vocal que se utilizan para investigar el reconocimiento del hablante. Las condiciones de modo vocal emparejadas resultan en una tasa de identificación de hablantes en un conjunto cerrado del 97.62%, mientras que las condiciones vocales desajustadas producen un 54.02%. Finalmente, se desarrolla un sistema de clasificación del modo de habla, que tiene un rango de tasa de clasificación del 44.5% al 98.5%, confundiéndose con modos vocales adyacentes. Estos avances pueden proporcionar información mejorada de modelado de habla/hablante, así como conocimiento clasificado de modos vocales para mejorar la tecnología del habla y el lenguaje en escenarios reales.