Segmentation automatique de la parole en phonèmes

Abstract

Dans ce travail, nous proposons une segmentation automatique de la parole en phonème pour l’anglais. Cette segmentation se base sur la technique suivante: les modèles de Markov cachés HMM (Hidden Markov Models), pour modeliser les unités acoustico-phonetiques. Nous les exploitons pour classifier les signaux de parole, extraits de la base de données américaine DARPA-TIMIT, utilisée pour l'apprentissage et le test du système. Etant donnée une transcription phonétique et orthographique, notre système fournit la segmentation phonétique correspondante. Pour évaluer notre système, des expériences de segmentation et de transcription phonétique ont été effectuées dans différentes conditions. La taille de ce corpus d'apprentissage joue un role important: les performances du système ont été évaluées en fonction de ce paramètre. Le système final améliore un taux de segmentation correcte de 73.95%, obtenu par 7-HMM de 2 composantes gaussiennes pour MFCC=14.