Conférence de Lionel Fontan (Archean Labs, Montauban)

La fluence de la parole peut être définie comme « le degré avec lequel la parole semble s’écouler de manière fluide, sans pauses et autres marqueurs de disfluence » (Derwing et Munro, 2015, notre traduction). L’évaluation de la fluence de la parole est très utile pour suivre les progrès d’acquisition langagière ainsi que pour effectuer des bilans thérapeutiques dans le cas de locuteurs souffrant de troubles pathologiques de production de la parole. Quand elles sont conduites de manière subjective, ces évaluations sont néanmoins relativement lourdes à conduire et peuvent manquer de fiabilité. C’est pourquoi, dès le début des années 2000, des recherches ont été menées pour développer des outils automatiques permettant une mesure objective et rapide de la fluence de la parole. Dans ce séminaire, nous présentons plusieurs études que nous avons réalisées en utilisant un algorithme de segmentation automatique de la parole reposant uniquement sur des critères acoustiques : l’algorithme Forward-Backward Divergence Segmentation (FBDS ; André-Obrecht, 1988). Les informations fournies par la segmentation FBDS nous ont permis de prédire de manière précise la fluence de locuteurs en cours d’acquisition d’une langue étrangère (Detey et al., 2020 ; Fontan et al., 2018, 2019, 2020 ; Kondo et al., 2020) ou de leur langue maternelle (Fontan et al., 2022) et, plus récemment, de locuteurs aphasiques (Fontan et al., 2023).

Références

André-Obrecht, R. (1988). A new statistical approach for the automatic segmentation of continuous speech signals. IEEE Transactions on Acoustics, Speech, and Signal Processing, 36(1), 29–40.

Derwing, T. M., and Munro, M. J. (2015). Pronunciation Fundamentals. Evidence-based Perspective for L2 Teaching and Research. Amsterdam, Netherlands: John Benjamins.

Detey, S., Fontan, L., Le Coz, M., & Jmel, S. (2020). Computer-assisted assessment of phonetic fluency in a second language: a longitudinal study of Japanese learners of French. Speech Communication, 125, 69-79.

Fontan, L., Kim, S., De Fino, V., & Detey, S. (2022). Predicting speech fluency in children using automatic acoustic features. In Proc. APSIPA ASC ‘22 (pp. 1085-1090). IEEE.

Fontan, L., Le Coz, M., & Kondo, M. (2019). Building an ASR-free automatic tool for measuring the speech fluency of Japanese learners of English. Presentation at the 9th International Symposium of the Acquisition of Second-Language Speech (NEW SOUNDS), Tokyo, Japan.

Fontan, L., Le Coz, M., & Alazard, C. (2020). Using the forward-backward divergence segmentation algorithm and a neural network to predict L2 speech fluency. In Proc. Speech Prosody ‘20 (pp. 925–929). ISCA.

Fontan, L., Le Coz, M., & Detey, S. (2018). Automatically measuring L2 speech fluency without the need of ASR: A proof-of-concept study with Japanese learners of French. In Proc. INTERSPEECH ‘18 (pp. 2544–2548). ISCA.

Fontan, L., Prince, T., Nowakowska, A., Sahraoui, H., & Martinez-Ferreiro, S. (2023). Automatically measuring speech fluency in people with aphasia: first achievements using read-speech data. Aphasiology, 1-18.

Kondo, M., Fontan, L., Le Coz, M., Konishi, T., & Detey, S. (2020). Phonetic fluency of Japanese learners of English: automatic vs native and non-native assessment. In Proc. Speech Prosody ‘20 (pp. 784-788).