Proyecto DIME-II. Contenidos. Alfabeto y aspectos fonéticos. Contenidos. Antecedentes y consideraciones. Antecedentes y consideraciones

Transcripción

1 Proyecto DIME-II Alfabeto y aspectos fonéticos Javier Cuétara Priede DIME-II / IIMAS / UNAM Barcelona, UAB, septiembre de 2005 Company / Llisterri / Pineda Antecedentes y consideraciones En México son pocos los grupos de trabajo que se dedican a la investigación en las tecnologías del habla Los programas se importan, y los trabajos lingüísticos sobre síntesis y reconocimiento de habla se copian de la fonética inglesa y, en su mejor caso, de la española De tal suerte, se han puesto de manifiesto las necesidades de Desarrollar programas de tecnologías del habla para el español de México Incorporando conocimientos lingüísticos sobre el español de México Antecedentes y consideraciones Este trabajo se inserta en un proyecto de tecnologías del habla y del lenguaje en la UNAM Proyecto DIME Construcción de un sistema conversacional multimodal para el español de México, con lenguaje natural y gráficas Antecedentes y consideraciones Uno de los objetivos del Proyecto DIME es el etiquetado de los diferentes niveles de la lengua concatenados con la señal sonora, para la creación de modelos acústicos Corpus DIME Norma culta Edad media: 30 años Procedencia: ciudad de México (en su mayoría) 1

2 Antecedentes y consideraciones El habla de la ciudad de México Es comprensible prácticamente por todos los mexicanos Modalidad lingüística más importante de México (Canfield 1981; Lope Blanch ; Perissinotto 1975) Fuerza de estandarización de la ciudad de México (Perissinotto 1975:21) Irradiación lingüística de las grandes ciudades (Moreno de Alba 1994:21) Una vez que se tiene un corpus oral y que se desea sacar provecho de él para las tecnologías del habla, es necesario determinar un alfabeto fonético Transcripción del Corpus DIME Para el posterior análisis y manipulación de datos Alfabetos fonéticos computacionales SAMPA (Wells 1989, Mariño y Llisterri 1993) OGIbet (Tlatoa 2000) Worldbet (Hieronymus 1994, 1997) (Uraga y Pineda 2000 y 2002, Cuétara 2004) SAMPA (Mariño y Llisterri 1993) OGIbet (Tlatoa 2000) 2

3 Worldbet (Hieronymus 1994 y 1997) nació ante la necesidad de un alfabeto computacional para el dialecto mexicano que se adaptara a las necesidades del Proyecto DIME Tomó como base Worldbet Versiones previas: Uraga y Pineda 2000, Uraga y Pineda 2002 A partir de la revisión de su estructura original, Cuétara 2004 replantea incorporando conocimientos lingüísicos Puntualizó su forma para delimitar el sistema fonológico del español de México Buscó un inventario fonético frecuente y sistemático : inventario fonológico Para señalar fenómenos y asimilaciones fonéticos, se siguieron las convenciones que propone Hieronymus (1994) Gúión bajo para señalar fenómeno fonetico [ _2 ] para velarizaciones [ _j] para palatalizaciones [ _[ ] para dentalizaciones, etc.... Para tener un correlato con su antecedente, incorporó las convenciones gráficas que Hieronymus ya había establecido para los alófonos más comunes: [V, D, G] [z] [dz] [N] 3

4 Tiene gran amplitud para captar todos los procesos de asimilación Busca dar una regla para cada variable alófonica del español de México: /n/ [ N ] / {+C velar} ( tan grande..., 2-320) /d/ [ D ] / V V (...mueves el refrigerador..., 2-110) : inventario fonético Por otra parte, ofrece la opción de etiquetar variables dialectales o libres de manera tan fina como se desee: tl S h? T L Zz r(_s v a_\ s_: Transcripción y análisis fonéticos del Corpus DIME Transcripción fonética y análisis acústico del 13% del corpus (No. segmentos, No. hablantes) Aunque se presentaron múltiples variaciones alofónicas de cada fonema (p.e., para /e/ aparecieron hasta 19 realizaciones diferentes), se determinó que 37 alófonos eran candidatos para un sistema de reconocimiento de habla Por su frecuencia de aparición en la lengua Por la posibilidad de ser modelados por reglas Transcripción y análisis fonéticos del Corpus DIME Se revisó qué alófonos se presentaban en determinados contextos, y se compararon los resultados con diferentes autores, principalmente Navarro Tomás (1918) y Quilis (1981) para el español castellano, y Matluck (1951), Perissinotto (1975) y Moreno de Alba (1994) para el español de México 4

5 Frecuencias (alófonos) Frecuencias (diversos autores) Las cifras de esta investigación coinciden con las de todos los trabajos consultados (Zipf y Rogers 1939; Navarro Tomás 1946; Alarcos 1950; Quilis 1981; Rojo 1991; Llisterri y Mariño 1993; Pérez 2003) 13% del Corpus DIME Consonantes Diferencias entre el nivel fonológico y el fonético por punto de articulación Consonantes Diferencias entre el nivel fonológico y el fonético por modo de articulación Vocales Diferencias entre el nivel fonológico y el fonético /a/, vocal abierta: Reglas alofónicas /a/ [a_2] {u, x} /a/ [a_2] {l}$ /a/ [a_j] {ts, n~, Z, i} /a/ [a] en todos los demás contextos /b/, bilabial oclusivo sordo: /b/ [b_c b] /// /b/ [b_c b] {m, n} /b/ [V] en todos los demás contextos (Conjunto de reglas) 5

6 TranscríbEMex Otros fenómenos vocálicos Debilitamiento de vocales átonas Diptongación de hiatos (López 2004) Nasalización de vocales Bue... no (4-29)...que quitams (4-287) Otros fenómenos consonánticos Asibilación de /r(/ y /r/ Debilitamiento de obstruyentes intervocálicas Pérdida de dental sonora intervocálica Asibilación de /r(/ y /r/ Navarro Tomás 1918 Este fenómeno se encuentra muy extendido en América y en camino de convertirse en variante complementaria y constante (Canfield 1962:87-88) Matluck (1951) la registró como de efecto esporádico en contextos muy particulares en personas incultas Perissinotto (1975): / /: rasgo constante en posición final absoluta y esporádicamente en posición final de sílaba y en el grupo /t / y en cualquier grupo social de la población (109) /r/: presenta asibilaciones en cualquier contexto fonético y en todos los estratos de la población (63 ss.) Las mujeres asibilan con más frecuencia que los hombres (77) Asibilación de /r(/ y /r/ Los cinco hablantes muestreados -hombres y mujerespresentan en algún momento asibilación de estos fonemas No obstante, si contabilizamos los casos de asibilación y no asibilación en los mismos contextos, nos encontramos con que todavía no hay una consistencia para su formalización (alternancia de formas en palabras recurrentes, como extractor y favor) Arriba del frigobar (6-58) Un poco menos, por favor (6-58) Del otro lado del extractor (6-58) 6

7 Aportaciones para la fonética de México Esta investigacion: Corrobora y matiza información sobre la fonética del español de México Presenta un inventario conciso y práctico de alófonos para el español de México, y sus reglas contextuales Ofrece algunas bases y marca directrices para futuros trabajos de investigación sobre nuestra habla Aportaciones para las tecnologías del habla Este trabajo: Dota a las tecnologías del habla de nuestro país un alfabeto fonológico y un inventario fonético claro, eficiente y práctico Aporta un transcriptor fonético automático útil para el desarrollo de las tecnologías del habla en nuestro país Conclusiones El alfabeto ha probado ser eficiente para el etiquetado fonético y para el procesamiento de datos en el Proyecto DIME Las investigaciones sobre la fonética del español de México han tenido impacto y utilidad inmediatas en el Proyecto DIME Además, se comprueba, matiza y/o actualiza información fonética sobre el dialecto mexicano Conclusiones Aprovechar la interdisciplinariedad es, pues, de mutuo beneficio Esta investigación forma parte de un bloque de trabajos alrededor de las tecnologías del habla en la UNAM (se han hecho otras tesis, y actualmente se preparan tres más de licenciatura y una de doctorado) Gracies! 7