MINISTERIO DE EDUCACIÓN Y CIENCIA DIRECCIÓN GENERAL DE INVESTIGACIÓN PROYECTO DE INVESTIGACIÓN Y DESARROLLO TECNOLÓGICO INFORME FINAL

Transcripción

1 Referencia: BFF MINISTERIO DE EDUCACIÓN Y CIENCIA DIRECCIÓN GENERAL DE INVESTIGACIÓN PROYECTO DE INVESTIGACIÓN Y DESARROLLO TECNOLÓGICO INFORME FINAL Investigador Principal: Título del Proyecto: Organismo Centro: Departamento: Joaquim Llisterri Boix Estudio acústico de la variación inter e intralocutor en español Universitat Autònoma de Barcelona Facultat de Filosofia i Lletres Departament de Filologia Espanyola Fecha de Inicio: 28 de diciembre de 2001 Fecha de Finalización: 27 de diciembre de 2004 Fecha: 15 de marzo de 2006 Conforme el Representante Legal del Organismo: El Investigador Principal: Fdo: Fdo: Joaquim Llisterri Boix Ilmo. Sr. Subdirector General de Proyectos de Investigación Paseo de la Castellana, MADRID

2 A. MEMORIA. Resumen de los resultados del proyecto en relación con los objetivos propuestos (máximo palabras) Destaque su relevancia científica y/o su interés tecnológico. En el caso de haber obtenido resultados no previstos inicialmente, indique su relevancia para el proyecto. En caso de resultados fallidos, indíquense las causas. VILE (Estudio acústico de la variación inter e intralocutor en español) ha sido un proyecto de investigación básica centrado en la caracterización acústica de los elementos segmentales y suprasegmentales que contribuyen a establecer la individualidad de un hablante frente a aquellos que son comunes a un estilo de habla, una variedad geográfica o social, o una lengua. Se ha pretendido con ello obtener parte del conocimiento fonético necesario para la mejora de los sistemas de identificación o verificación automáticas del locutor, así como dotar a los especialistas en fonética forense de nuevos datos acústicos que permitan comparar, con un mayor grado de certeza, locutores dubitados e indubitados. En las primeras etapas del proyecto se seleccionaron los parámetros acústicos que se tomaron en consideración y el corpus a partir del cual se obtuvieron los datos. A continuación, se llevó a cabo un análisis acústico que permitió obtener los resultados en los que se basan las conclusiones del trabajo. La revisión de la bibliografía acerca de los parámetros relevantes para el estudio de la individualidad de la voz se centró en tres formas de aproximación a los datos fonéticos: el reconocimiento visual de espectrogramas, el reconocimiento perceptivo y el reconocimiento automático del habla. Debido a la subjetividad implícita en el análisis de los datos que se derivan de la primera aproximación, la búsqueda se limitó a las otras dos aproximaciones que, en cualquier caso, ofrecen un volumen de publicaciones mayor y más en consonancia con las tecnologías actuales. De esta forma, la revisión se centró en los parámetros denominados de bajo nivel de información y en los que se corresponden con las dimensiones fisiológicas. El segundo paso fue la revisión de los recursos orales existentes en español, considerando la conveniencia de reutilizar en la medida de lo posible unas bases de datos de gran calidad, obtenidas gracias al trabajo de muchos especialistas y, con frecuencia, gracias a financiación pública. En primer lugar se descartaron los que no estaban disponibles para fines investigadores, por ser de propiedad privada. Tampoco se adecuaban al proyecto los que fueron creados con fines específicos, como la variación dialectal o sociolectal, el análisis del discurso o la conversación etc. Otros corpus no resultaban accesibles en su totalidad. Los corpus analizados fueron los siguientes: Ahumada-Gaudí, Albayzín, SpeechDat, Eurom1 y su subconjunto Multext. Finalmente, se seleccionó Ahumada-Gaudí, por tres razones: (a) ofrece abundante material para el estudio de la variación intralocutor, en condiciones de grabación muy controladas, tanto en el aspecto técnico como en el intervalo temporal entre unas sesiones y otras; (b) permite disponer de unos minutos de habla espontánea para cada uno de los sujetos; (c) el material proporcionado permite analizar la variación entre hablantes. Entre los materiales del corpus finalmente seleccionado se tomaron en consideración los correspondientes a muestras de habla de dos tipos: una, en tarea de lectura y contextos controlados (texto de 179 palabras, a velocidad normal); la otra, a tres sesiones de habla espontánea. Se eliminaron aquellos locutores cuya grabación de habla espontánea se obtenía mediante la descripción de una lámina, ya que en estos casos el locutor se preparaba con antelación la descripción y, por tanto, su elocución no presenta las características propias del habla espontánea no planificada. Finalmente, en función de estos criterios y de otros relacionados con las marcas propias de determinadas variantes geográficas del español, se seleccionaron 30 locutores masculinos. El análisis acústico del corpus se realizó mediante el programa de dominio público Praat, desarrollado por Paul Boersma y David Weenink en el Instituto de Fonética de la Universidad de Ámsterdam. Los parámetros acústicos considerados en el proyecto pueden clasificarse dependiendo del tipo de fuente, de la acción de los resonadores y de los parámetros temporales. Para el estudio de los parámetros referidos a la fuente, el corpus de lectura o de habla espontánea se segmentó en grupos fónicos (el segmento de habla comprendido entre dos silencios) y, de cada uno de ellos, se extrajo el valor medio de la F 0 y su fluctuación (la desviación estándar). Con el fin de analizar los parámetros relativos a los resonadores, en el corpus de lectura se segmentaron todas las vocales tónicas y átonas precedidas de cualquier oclusiva sorda (/p, t, k/) o de fricativa alveolar sorda (/s/) y, al mismo tiempo, seguidas de cualquier oclusiva sorda o de fricativa alveolar sorda, que apareciera en una estructura silábica del tipo CV $ C. Así mismo, se segmentaron todas las fricativas alveolares sordas precedidas y seguidas de las vocales más frecuentes del español, es decir de /a/ y /e/. En los segmentos vocálicos se analizaron el valor de la F 0, las frecuencias centrales de los cuatro primeros 2

3 formantes y sus anchos de banda. A partir de estos valores, se extrajo la distancia entre los valores de frecuencia de F 0, F1, F2, F3 y F4. Además, en los segmentos fricativos alveolares sordos se tuvo en cuenta el pico de mayor intensidad situado en la banda de frecuencia entre 0 y 8 khz. Finalmente, en lo que respecta a los parámetros temporales, se consideraron: (a) el tiempo total de habla, es decir, la duración total de cada una de las sesiones analizadas; (b) La proporción de habla, definida como la duración de todos los grupos fónicos de una determinada sesión dividida entre la duración total de dicha sesión; (c) la proporción de silencios, que se calcula dividiendo la duración total de los silencios de una determinada sesión por la duración total de dicha sesión; (d) la velocidad de elocución, entendida como el tiempo total de habla dividido entre el número de sílabas de cada una de las sesiones analizadas; (e) la velocidad de articulación, que es el resultado de la división entre el tiempo total de habla, exceptuando la duración de los silencios, y el número de sílabas de cada una de las sesiones analizadas. El corpus de lectura se utilizó para el análisis de todos los parámetros descritos; para el estudio de los parámetros temporales y de los parámetros relacionados con la fuente se empleó también el corpus de habla espontánea. Los resultados obtenidos mostraron variaciones significativas en los tres tipos de parámetros analizados, tal como se resume a continuación Los valores medios de la F 0 presentan variaciones muy significativas en función del estilo de habla. Sin embargo, la tendencia no es la misma para los dos estilos observados: en el habla espontánea (excepto para siete locutores, 23,33% del total) se producen variaciones cuadráticas en el valor medio de la F 0 a medida que aumenta el número de sesiones; en lectura, en cambio, no se producen estas variaciones. En 8 locutores (26,66% del total) no se dan diferencias significativas en el valor medio de la frecuencia de F 0 en función del estilo de habla. La desviación típica de la F 0 no presenta variaciones significativas debidas al estilo de habla. No obstante, la duración del grupo fónico y el número de segmentos del grupo fónico son dos variables que predicen de manera significativa la desviación típica de F 0. Los valores de frecuencia de los formantes de las vocales analizadas ayudan a identificar a los sujetos. Las resonancias en zonas de alta frecuencia y la F 0 permiten diferenciar en todos los segmentos vocálicos un mayor número de sujetos, mientras que los valores de F1 y F2 distinguen un número más reducido. La duración del grupo fónico también presenta diferencias significativas en función del estilo de habla, pero no en relación con la sesión. Sólo 5 locutores (16,66% del total) en el habla espontánea y 2 locutores (6,66% del total) muestran en lectura diferencias significativas en la duración del grupo fónico respecto a la sesión. En la velocidad de elocución y en la velocidad de articulación tampoco se producen diferencias significativas debidas a las distintas sesiones analizadas. Los resultados del análisis acústico hacen pensar que existen elementos que permiten la caracterización de los dos tipos de variación abordados en el proyecto. Por una parte, ponen de manifiesto que el estilo de habla es una variable que debe tomarse en consideración a la hora de comparar muestras de habla en un contexto judicial, por ejemplo- y, por otra, que ciertos parámetros temporales y frecuenciales parecen mantener una cierta constancia en el mismo locutor a lo largo de las sesiones de grabación. Desde el inicio del proyecto se cuenta con un sitio web ( en el que se ofrece información pública, y a través de cuya zona interna se facilita el intercambio de documentación entre los investigadores. En la sección restringida únicamente a los participantes en el proyecto puede accederse a los informes individuales correspondientes a cada una de las tareas (nombre de usuario: VILE contraseña: MCyT ). B. RESULTADOS MÁS RELEVANTES ALCANZADOS EN EL PROYECTO (máximo 60 palabras) Dentro de los logros del proyecto señalados en el apartado anterior, reseñe los más relevantes hasta un máximo de tres (1) En la comparación entre muestras de habla es preciso considerar el estilo de habla como una de las variables que pueden incidir de manera significativa en los resultados. (2) Existen parámetros fonético-acústicos temporales y frecuenciales que presentan una variación relativamente baja en un mismo locutor con independencia del momento en que se realiza la grabación. C. RESUMEN DE LOS RESULTADOS DEL PROYECTO C1. Formación del personal Nº 0 No se solicitó la inclusión del proyecto en el programa FPI 3

4 Personal formado ( 0 ) Personal formado o en formación que se ha transferido a sectores no académicos: Doctores ( 0 ) Titulados Superiores ( 0 ) Técnicos ( 0 ) Distinguir resultados correspondientes a la temática del proyecto, de aquellos que correspondan a otras líneas de trabajo. Igualmente en los artículos científicos y de revisión distinguir si la revista donde se publica está indexada en bases de datos internacionales (ISI,... ) o no está indexada. C2. Resultados en la temática del proyecto: C2.1 Tesis doctorales leídas ( 0 ) C2.2 Artículos científicos en revistas ( 0 ) no indexadas ( 1 ) indexadas C2.3 Artículos de divulgación en revistas ( 0 ) nacionales ( 0 ) internacionales C2.4 Artículos de revisión en revistas ( 0 ) no indexadas ( 0 ) indexadas C2.5 Libros, capítulos de libros y monografías ( 3 ) nacionales ( 1 ) internacionales C2.6 Conferencias en congresos (por invitación)( 1 ) nacionales ( 1 ) internacionales C2.7 Patentes y otros títulos de propiedad ( 0 ) registrados ( 0 ) en explotación industrial ( 0 ) España ( 0 ) extranjero C3. Resultados en otras temáticas obtenidos durante la vigencia del proyecto: C3.1 Tesis doctorales leídas ( 0 ) C3.2 Artículos científicos en revistas ( 1 ) no indexadas ( 1 ) indexadas C3.3 Artículos de divulgación en revistas ( 0 ) nacionales ( 0 ) internacionales C3.4 Artículos de revisión en revistas ( 4 ) no indexadas ( 0 ) indexadas C3.5 Libros, capítulos de libros y monografías ( 6 ) nacionales ( 2 ) internacionales C3.6 Conferencias en congresos (por invitación)( 3 ) nacionales ( 2 ) internacionales C3.7 Patentes y otros títulos de propiedad ( 0 ) registrados ( 0 ) en explotación industrial ( 0 ) España ( 0 ) extranjero C1. FORMACIÓN DE PERSONAL EN EL PROYECTO, describir brevemente. Pese a que no se solicitó la inclusión del proyecto en el Programa de Formación de Personal Investigador, la contratación de una licenciada con los cursos de tercer ciclo finalizados (N. Madrigal) y de una licenciada con un grado de magíster en tratamiento informático del lenguaje (M. Riera) para llevar a cabo las tareas de análisis acústico en el equipo de la UAB ha contribuido a la formación de estas dos personas, aportándoles experiencia en el estudio de la variación fonética y en la relevancia de este campo para la fonética judicial y para el reconocimiento y la identificación automáticas del locutor. C2. TESIS DOCTORALES REALIZADAS TOTAL O PARCIALMENTE EN EL PROYECTO Indicar: Título, nombre del doctorado, Universidad, Facultad o Escuela, fecha de comienzo, fecha de lectura, calificación y director. 4

5 C3. ARTÍCULOS CIENTÍFICOS EN REVISTAS Indicar: Autor(es), título, referencia de la publicación, (adjuntar primera página en formato digital) Se incluyen únicamente los relacionados con el proyecto BATTANER, E.- CARBÓ, C.- GIL, J.- LLISTERRI, J.- MACHUCA, M. J.- MADRIGAL, N.- MARRERO, V.- de la MOTA, C.- RIERA, M.- RÍOS, A. (2005) "VILE: Estudio acústico de la variación inter e intralocutor en español", in XXI Congreso de la Sociedad Española para el Procesamiento del Lenguaje Natural. Granada, de septiembre de Procesamiento del Lenguaje Natural 35: ISSN: Versión electrónica disponible en: C4. ARTÍCULOS DE DIVULGACIÓN EN REVISTAS Indicar: Autor(es), título, referencia de la publicación. C5. ARTÍCULOS DE REVISIÓN Indicar: Autor(es), título, referencia de la publicación, (adjuntar primera página en formato digital) C6. LIBROS, CAPÍTULOS DE LIBROS Y MONOGRAFÍAS Indicar: Autor(es), título, referencia de la publicación, (adjuntar en formato digital portada e índice donde figure la información) Se incluyen únicamente los relacionados con el proyecto BATTANER, E.- GIL, J.- MARRERO, V.- LLISTERRI, J.- CARBÓ, C.- MACHUCA, M. J.- de la MOTA, C. - RÍOS, A. (2003) "VILE: Estudio acústico de la variación inter e intralocutor en español", in SEAF Actas del II Congreso de la Sociedad Española de Acústica Forense. Barcelona, de abril de Barcelona: SEAF, Sociedad Española de Acústica Forense. pp ISBN: ; Versión electrónica disponible en: MARRERO, V.- GIL, J.- BATTANER, E. (2003) "Inter-Speaker Variation in Spanish. An Experimental and Acoustic Preliminary Approach", in SOLÉ, M. J.- RECASENS, D.- ROMERO, J. (Eds.) Proceedings of the 15th International Congress of Phonetic Sciences. Barcelona, 3-9 de agosto de Causal Productions [Edición en CD-ROM]. pp ISBN: Versión electrónica disponible en: BATTANER, E.- CARBÓ, C.- GIL, J.- LLISTERRI, J.- MACHUCA, M. J.- MADRIGAL, N.- MARRERO, V.- de la MOTA, C.- RIERA, M.- RÍOS, A. (2004) "VILE: Estudio acústico de la variación inter e intralocutor en español", in Actas del 6º Congreso de Lingüística General. Santiago de Compostela, 3-7 de mayo de Área de Lingüística Xeral, Universidade de Santiago de Compostela. (en prensa). Versión electrónica disponible en: BATTANER, E.- CARBÓ, C.- GIL, J.- LLISTERRI, J.- MACHUCA, M.J.- MADRIGAL, N.- MARRERO, V.- de la MOTA, C.- RIERA, M.- RÍOS, A. (2005) "VILE: Estudio acústico de la variación inter e intralocutor en español", in Actas del III Congreso de Fonética Experimental. Universidade de Santiago de Compostela, de octubre de Facultade de Filoloxía, Universidade de Santiago de Compostela Consellería de Cultura e Deporte, Xunta de Galicia Real Academia Galega. (en prensa). Versión electrónica disponible en: C7. CONFERENCIAS EN CONGRESOS, SIMPOSIOS Y REUNIONES (POR INVITACIÓN) Indicar: Autor(es), nombre del congreso, lugar de celebración, año. Se incluyen únicamente los relacionados con el proyecto BATTANER, E.- CARBÓ, C.- GIL, J.- LLISTERRI, J.- MACHUCA, M. J.- MADRIGAL, N.- MARRERO, V.- de la MOTA, C.- RIERA, M.- RÍOS, A. (2003) "VILE: Estudio acústico de la variación inter e intra locutor en español", XXXIII Simposio de la Sociedad Española de Lingüística. Universidad de Gerona, Gerona, de diciembre de Sociedad Española de Lingüística. Versión electrónica disponible en: 5

6 BATTANER, E.- CARBÓ, C.- GIL, J.- LLISTERRI, J.- MACHUCA, M. J.- MADRIGAL, N.- MARRERO, V.- de la MOTA, C.- RIERA, M.- RÍOS, A. (2005) "VILE: Estudio acústico de la variación inter e intra locutor en español", Segundo Coloquio de Lingüística Computacional de la UNAM. Facultad de Filosofía y Letras, Universidad Nacional Autónoma de México, México, 11 de febrero de Versión electrónica disponible en: C8. PATENTES Y OTROS TÍTULOS DE PROPIEDAD INDUSTRIAL Indicar: Autor(es), título, registro, entidad titular de la patente, año, países, clase. C9. OTROS RESULTADOS EXTRAORDINARIOS NO INCLUIDOS EN LOS APARTADOS ANTERIORES Indicar Naturaleza y Autor (es). Descríbalo brevemente en un máximo de 50 palabras. D. CARACTER DE LOS RESULTADOS DEL PROYECTO (señalar hasta dos opciones) ( X ) Teóricos ( X ) Teórico-prácticos ( ) Prácticos ( ) De inmediata aplicación industrial E1. SI EL PROYECTO HA DADO LUGAR A COLABORACIONES CON OTROS GRUPOS DE INVESTIGACIÓN, coméntelas brevemente. Cabe mencionar en primer lugar la cesión del corpus Ahumada-Gaudí por parte del Área de Tratamiento de Voz y Señal del Departamento de Ingeniería Audiovisual y Comunicaciones de la EUIT Telecomunicación de la Universidad Politécnica de Madrid. En segundo lugar, la participación en el congreso de la Sociedad Española de Acústica Forense (SEAF 2003), cuya temática está directamente relacionada con la del proyecto, ha permitido plantear posibilidades de colaboración con el Departamento de Acústica e Imagen (Servicio de Criminalística) de la Dirección General de la Guardia Civil, especialmente en lo que se refiere a la formación en el ámbito de la fonética. E2. SI HA PARTICIPADO EN PROYECTOS DEL PROGRAMA MARCO DE I+D DE LA UE Y/O EN OTROS PROGRAMAS INTERNACIONALES EN TEMÁTICAS RELACIONADAS CON LAS DE ESTE PROYECTO, indique programa, tipo de participación y beneficios para el proyecto. Mencione las solicitudes presentadas al Programa Marco de la UE durante la ejecución del proyecto, aunque no hayan sido aprobadas. F. PROYECTOS COORDINADOS 1 Describa las actuaciones de coordinación entre subproyectos, y los resultados de dicha coordinación en relación a los objetivos globales del proyecto. G. RELACIONES O COLABORACIONES CON DIVERSOS SECTORES G1. SI EN EL PROYECTO HA HABIDO COLABORACIÓN CON ENTES PROMOTORES OBSERVADORES (EPO) PARTICIPANTES: 1. Describa en detalle la relación mantenida con los EPO s, y la participación concreta de éstos en el proyecto, especificando, si procede, su aportación al mismo en todos sus aspectos. (Si se ha modificado la relación y/o el apoyo del EPO, en relación con lo previsto a la aprobación del proyecto, descríbalo brevemente). 2. Describa, si procede, las transferencias realizadas al (los) EPO (s) de los resultados obtenidos, indicando el carácter de la transferencia y el alcance de su aplicación. 3. Indique si esta colaboración ha dado lugar a la presentación de nuevos proyectos o si se tiene intención de continuarla en el futuro. En caso afirmativo, describa brevemente cómo va a concretarse. 1 A rellenar sólo por el coordinador del proyecto. 6

7 G2. SI EL PROYECTO HA DADO LUGAR A OTRAS COLABORACIONES CON EL ENTORNO SOCIOECONÓMICO (INDUSTRIAL, ADMINISTRATIVO, DE SERVICIOS, ETC.), NO PREVISTAS INICIALMENTE EN EL PROYECTO, descríbalas brevemente. H. RESUMEN DE GASTO DEL PROYECTO Euros 1. Gastos de personal (indicar datos personales, situación laboral y función desempeñada,) Dña. Montserrat Riera Masjoan, Licenciada en Filología Catalana y Magister en Tratamiento Informático del Lenguaje, contratada como técnico de apoyo a la investigación entre el 1 de mayo de 2003 y el 30 de septiembre de 2004, con una dedicación al proyecto de 10h semanales Dña. Natalia Madrigal Montoya, Licenciada en Filología Hispánica, contratada como técnico de apoyo a la investigación entre el 1 de enero y el 30 de septiembre de 2004, con una dedicación al proyecto de 20h semanales. 2. Material inventariable (describir brevemente el material adquirido) Total ,63 Total 3. Material fungible (describir brevemente el tipo de material) Total 4. Viajes y dietas (describir brevemente) Asistencia para la presentación de comunicaciones a congresos (SEAF 2003, ICPhS 2003, SEL 2003, CLG 2004) Reuniones en Barcelona y Madrid entre el equipo investigador de la UAB y el de la UNED. Total 4.055,58 5. Otros gastos (describir brevemente) Total 6. Costes indirectos Total 5.273,89 TOTAL GASTOS EJECUTADOS DEL PROYECTO ,10 CON ESTE INFORME DEBERÁ ADJUNTARSE: Organismos sujetos al control del Tribunal de Cuentas y de la Intervención General de la Administración del Estado: - Certificado de la Gerencia o Servicio de Contabilidad de la entidad participante (nombre, cargo, fecha, firma y sello) en el que se especifiquen los gastos efectuados, desglosados en: personal, costes de ejecución y costes indirectos. - Fotocopia de reingreso al Tesoro Público, si procede, de los fondos no utilizados. Entidades restantes: - Certificado de la Gerencia o Servicio de Contabilidad de la entidad participante (nombre, cargo, fecha, firma y sello) en el que se especifiquen los gastos efectuados, desglosados en: personal, costes 7

8 de ejecución y, si procede, costes indirectos. Asimismo, se presentarán los justificantes originales de los gastos realizados. - Documento original que acredite el reintegro al Tesoro Público, si procede, de los fondos no utilizados. 8