Pause or no pause? Prosodic phrase boundaries revisited

An automatic speech segmentation tool based on multiple acoustic parameters

“…Silent pause is the most studied parameter of speech segmentation (Martin 1970;Swerts 1997;Shriberg et al 2000;Tseng & Chang 2008;Mo & Cole 2010;Tyler 2013). The analysis of this parameter points at two main results.…”

Spontaneous Speech Segmentation: Functional and Prosodic Aspects With Applications for Automatic Segmentation / A segmentação da fala espontânea: aspectos prosódicos, funcionais e aplicações para a tecnologia

“…2001;REDI;SHATTUCK-HUFNAGEL, 2001;HANSON et al, 2001;CARLSON et al, 2005). From them, the main boundary cues that emerge are: the silent pause, which we will simply call "pause" (later on we will discuss the role of the filled pause), whose presence automatically seems to convey the perception of a boundary (MARTIN, 1973;SWERTS, 1997;SHRIBERG et al 2000;CHANG 2008;MO;COLE 2010;TYLER, 2013); the lengthening of the final syllables of the unit, that is, a decreasing of speech rate during the last syllables before a boundary (WIGHTMAN et al, 1992;BARBOSA, 2008;MO et al, 2008;FUCHS et al, 2010;FON et al, 2011;TYLER, 2013); the shortening of the first syllables of the unit, that is, speech rate increases just after a boundary (AMIR et al 2004;TYLER, 2013), correlated with phenomena of anacrusis; the reset of the f0 curve; the abrupt change of direction of the f0 curve; the change of intensity at the beginning of the prosodic unit FU, 2005;MO, 2008); creaky voice and perhaps other non-modal voice qualities. To these parameters, at least for some languages, some phenomena of a segmental nature must be added.…”

A segmentação da fala espontânea: aspectos prosódicos, funcionais e aplicações para a tecnologia / Spontaneous Speech Segmentation: Functional and Prosodic Aspects with Applications for Automatic Segmentation

“…Na literatura os parâmetros que são mais mencionados são tanto de frequência fundamental (f0), quanto de duração e de intensidade, além de parâmetros que se referem à qualidade de voz (BARTH-WEINGARTEN, 2016;MO et al, 2008;WAGNER;WATSON, 2010), especialmente laringalização, creaky voice em inglês (DILLEY et al, 1996;GORDON;LADEFOGED, 2001;REDI;SHATTUCK-HUFNAGEL, 2001;HANSON et al, 2001;CARLSON et al, 2005). Os principais são os seguintes: a pausa silenciosa, que aqui simplesmente chamaremos de "pausa" (adiante falaremos da pausa preenchida), cuja presença parece automaticamente veicular a percepção de fronteira (MARTIN, 1973;SWERTS, 1997;SHRIBERG et al, 2000;CHANG, 2008;MO;COLE, 2010;TYLER, 2013); o alongamento das sílabas finais da unidade, ou seja uma redução da taxa de realização das últimas sílabas antes de uma fronteira (WIGHTMAN et al, 1992;BARBOSA, 2008;MO et al, 2008;FUCHS et al, 2010;FON et al, 2011;TYLER, 2013); a redução duracional das primeiras sílabas da unidade, ou seja, a aceleração imediatamente após uma fronteira (AMIR et al 2004;TYLER, 2013), correlacionada com fenômenos de anacrusis; o reset da curva de f0; a mudança brusca de direção da curva de f0; a mudança de intensidade no início da unidade prosódica (SWERTS et al, 1994;FU, 2005;MO, 2008); a laringalizacão (creaky voice) e talvez outras qualidades de voz não modais. A esses parâmetros, pelo menos para algumas línguas, devem ser acrescentados alguns fenômenos de natureza segmental.…”