Name: Sotaque estrangeiro e identificação forense de locutores em escalações de voz: a influência de características acústicas baseadas em prosódia (Vídeo) | JoVE Journal
Uploaded: 2024-09-27T12:35:00.000+00:00
Duration: 9 min 9 s
Description: Descubra como sotaques estrangeiros afetam a identificação forense de locutores usando características prosódicas como frequência fundamental, duração e qualidade vocal. Este método ajuda pesquisadores a compreender julgamentos de ouvintes em escalações de voz.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Este estudo foi financiado pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq, processo nº 307010/2022-8 para o primeiro autor e processo nº 302194/2019-3 para o segundo autor. Os autores gostariam de expressar sua sincera gratidão aos participantes desta pesquisa por sua generosa cooperação e contribuições inestimáveis.

Prosodic-Acoustic Features and L2 Speech Production for Forensic Applications

Os autores não têm conflitos de interesse a declarar.

O protocolo atual apresenta uma novidade no campo da fonética (forense). Está dividido em duas fases: uma baseada na produção (análise acústica) e outra baseada na percepção (análise do julgamento). A fase de análise de produção compreende a preparação de dados e alinhamento forçado, realinhamento e extração automática de características prosódicas-acústicas, além das estatísticas. Este protocolo conecta a etapa de coleta de dados à análise de dados de forma mais rápida e eficiente do que os protocolos tradicionais baseados em uma segmentação predominantemente manual.
No entanto, o processo de realinhamento, mostrado nas etapas de protocolo 1.3.6 a 1.3.6.9, funciona basicamente nas unidades de telefone e palavra geradas nas etapas de protocolo 1.3.1 a 1.3.4. A novidade do processo de realinhamento é que ele gera um novo TextGrid contendo três novas camadas de texto: uma camada silábica, uma camada de bloco de fala que pode ser gerada automática ou manualmente com base em palavras e uma camada de tom que pode ser bastante útil para calcular medidas f0. As diretrizes de realinhamento propostas para este protocolo foram previamente utilizadas em estudos de ritmo de fala de L221 , 69 , 70 , estudos para detecção de grau de sotaque estrangeiro usando técnicas de aprendizado de máquina22 e estudos no domínio forense9.
A extração automática de características prosódicas, apresentada nas etapas 1.3.7 a 1.3.7.10 do protocolo, gera uma matriz multidimensional de características prosódico-acústicas, como pôde ser atestado na presente pesquisa. Tais características incluem características melódicas, duracionais e espectrais (qualidade e intensidade da voz)71. Um número considerável dessas características acústicas é menos sensível e um tanto robusto a gravações de áudio ruidosas eventualmente coletadas no cenário forense ou em qualquer outro cenário72. Além disso, a matriz multidimensional pode ser aplicada a sistemas de reconhecimento de fala por meio de várias técnicas de IA (trabalho em andamento). Ainda pode ser bastante útil no ensino de aspectos prosódicos nas aulas de pronúncia de L221 (trabalho em andamento).
A análise estatística desta parte do protocolo representa o uso do método GAM, uma vez que lidamos com uma relação complexa entre uma característica acústica específica e falantes de múltiplos fatores de linguagem. Para modelar uma característica acústica específica, por exemplo, foi necessário verificar como outras características acústicas da matriz (os termos suaves) se comportariam para que pudéssemos descrever com mais precisão o que estava acontecendo durante a produção da fala.
Em relação à análise de percepção, o protocolo atual foi constituído por meio da elaboração e implementação das escalações vocais, análise estatística e análise de similaridade acústica. Para preparar as escalações, usamos o script CreateLineup para Praat, que gera automaticamente um arquivo de áudio para cada escalação contendo folhas sequenciadas aleatoriamente e voz-alvo, conforme descrito nas etapas 2.2 a 2.2.1.9 do protocolo.
Para a análise estatística deste protocolo, foi realizado o teste não paramétrico de Kruskal-Wallis, uma vez que nossos dados não atenderam aos pressupostos da Análise de Variância (ANOVA). Uma vez que tivemos uma relação entre os escores de julgamento avaliados pelos ouvintes e controlados para a voz-alvo e os foils, optou-se por utilizar a estatística do modelo linear.
Para a análise de similaridade acústica, utilizou-se o script AcousticSmilarity_cosine_euclidean para Python. O programa abre a árvore de diretórios do computador e pede ao usuário que escolha o arquivo que contém as características prosódico-acústicas das folhas e a voz-alvo que compõe a formação em análise. Com o clique de um botão, o script gera três matrizes de similaridade: um cosseno, um euclidiano e um euclidiano transformado (zero para um), em arquivos '.txt' (delimitado por tabulação) e '.csv'. Ainda devemos ter em mente que cada conjunto de dados (o arquivo '.txt' contendo as características prosódicas-acústicas das folhas e do alvo) deve estar na pasta original da escalação, e cada pasta de escalação deve ter uma cópia do script AcousticSmilarity_cosine_euclidean .
Em resumo, o protocolo atual avança na pesquisa fonética (forense). Compreendendo fases distintas - análises de produção e percepção, bem como similaridade acústica - ele preenche a lacuna entre a coleta de dados e a análise multidimensional de características acústicas. Os pesquisadores podem se beneficiar de uma perspectiva holística, explorando aspectos de produção e percepção. Além disso, esse protocolo garante a reprodutibilidade da pesquisa, permitindo que outros se baseiem nas diretrizes deste trabalho.
Limitações e direções futuras Ainda devemos ter em mente que tudo funcionará com sucesso se a preparação dos dados seguir as diretrizes propostas nas etapas do protocolo 1.3.1 a 1.3.4. Além disso, nos procedimentos de alinhamento forçado, devemos estar cientes de que um alinhador forçado pré-treinado externo - como MAUS usado no trabalho atual - é suscetível a erros de segmentação, especialmente em dados com sotaque estrangeiro não pré-treinados ou mesmo em alinhadores pré-treinados, seja o áudio não tendo uma boa qualidade ou o alinhador não contenha o idioma do áudio (esse fato tornaria o trabalho do especialista mais difícil e demorado). A transcrição forense, especialmente de arquivos de áudio mais longos, encontra dificuldades no que diz respeito à representação precisa e confiável das gravações faladas72.
Existem também vários desafios na transcrição e alinhamento de arquivos de áudio mais longos. O desempenho do alinhador é afetado pelo estilo de fala e pelo ambiente fonético, bem como por fatores específicos do dialeto. Embora existam diferenças específicas do alinhador, em geral, seu desempenho é semelhante e gera segmentações que se comparam bem ao alinhamento manual geral73. Além disso, a produção de inglês L1 e L2 foi executada com um modelo acústico pré-treinado de inglês americano devido à indisponibilidade de modelos de fala estrangeiros no MAUS. Além disso, não há modelos acústicos pré-treinados para PA em MAUS. Para os dados de PA, foram utilizados os modelos acústicos pré-existentes do italiano (ver NOTA, passo 1.3.5.7 do protocolo).
Em trabalhos futuros (em andamento), usaremos o Montreal Forced Aligner (MFA)74 como parte do protocolo. Uma grande vantagem da MFA é a disponibilidade de modelos acústicos pré-treinados e modelos de grafema para fonema para uma ampla variedade de idiomas (incluindo PB), bem como a capacidade de treinar novos modelos acústicos e de grafema para fonema para qualquer novo conjunto de dados (ou seja, nosso corpus de fala com sotaque estrangeiro) 75 .

O sotaque é um aspecto saliente e dinâmico da comunicação e fluência, tanto na língua nativa (L1) quanto em uma língua estrangeira (L2)1. O sotaque estrangeiro representa as características fonéticas de L2 de um idioma de destino e pode mudar (ao longo do tempo) em resposta à experiência de L2 do falante, estilo de fala, qualidade de entrada, exposição, entre outras variáveis. Um sotaque estrangeiro pode ser quantificado como um grau (escalar) de diferença entre a fala L2 produzida por um falante estrangeiro e um sotaque local ou de referência do idioma de destino2,3,4,5.
Esta pesquisa tem como objetivo examinar tanto as características prosódicas-acústicas quanto os correlatos perceptuais do inglês com sotaque estrangeiro e do português brasileiro (PB) com sotaque estrangeiro, bem como verificar em que medida as produções de sotaques estrangeiros e nativos dos falantes estão correlacionadas com a percepção dos ouvintes. Pesquisas anteriores no campo forense demonstraram a robustez das vogais e consoantes na identificação de sotaques estrangeiros como sendo estáveis para uma análise de longo prazo de um indivíduo (The Lo Case6) ou referindo-se à alta precisão de ID de um falante (The Lindbergh Case7). No entanto, a exploração de características prosódico-acústicas baseadas na duração, frequência fundamental (f0, ou seja, o correlato acústico da altura), intensidade e qualidade de voz (VQ) tem ganhado cada vez mais atenção8,9. Assim, a escolha por características prosódico-acústicas neste estudo representa um caminho promissor no campo da fonética forense8,10,11,12,13.
A presente pesquisa está apoiada em estudos dedicados aos sotaques estrangeiros como forma de disfarce de voz em casos forenses14,15, bem como na elaboração de lineups de voz para reconhecimento de locutores16,17. Por exemplo, a velocidade de fala desempenhou um papel importante na identificação de falantes de inglês, italiano, japonês e brasileiro de inglês18,19,20,21,22. Além da velocidade de fala, as características espectrais de longo prazo e f0 desafiam falantes proficientes em L2 com familiaridade com o idioma-alvo, pois o cérebro e as bases cognitivas sofrem um déficit de memória, atenção e emoção, refletindo no desempenho fonético do falante durante longos turnos de fala23. A visão dos sotaques estrangeiros no campo forense é que a definição do que realmente soa como um sotaque estrangeiro depende muito da falta de familiaridade do ouvinte, em vez de ter um grau zero a extremo de fala24.
No domínio perceptivo, uma ferramenta forense comum usada desde meados da década de 1990 para o reconhecimento de criminosos é o Voice Lineup (reconhecimento auditivo), que é análogo ao reconhecimento visual usado para identificar um perpetrador em uma cena de crime16,25. Em uma linha de voz, a voz do suspeito é apresentada ao lado de contrastes - vozes semelhantes em aspectos sociolinguísticos, como idade, sexo, localização geográfica, dialeto e status cultural - para identificação por uma testemunha auditiva. O sucesso ou falha de uma programação de voz dependerá do número de amostras de voz e das durações da amostra25,26. Além disso, para amostras do mundo real, considera-se que a qualidade do áudio afeta consistentemente a precisão do reconhecimento de voz. A baixa qualidade de áudio pode distorcer as características exclusivas de uma classe voice<sup="xref">27. No caso de similaridade de voz, detalhes fonéticos finos baseados em f0 podem confundir o ouvinte durante o reconhecimento de voz28,29. Tais características acústicas se estendem além de f0 e abrangem elementos de duração e características espectrais de intensidade e classe VQ30. Essa visão de vários recursos prosódicos é crucial no contexto da comparação forense de voz para garantir a identificação precisa do falante9,14,15,29,31.
Em resumo, estudos em fonética forense mostraram alguma variação em relação à identificação de sotaque estrangeiro nas últimas décadas. Por um lado, um sotaque estrangeiro não parece afetar o processo de identificação de um falante32,33 (especialmente se o falante não estiver familiarizado com o sotaque estrangeiro alvo34). Por outro lado, há achados na direção oposta12,34,35.

<table><tbody><tr><td>CreateLineup</td><td>Coleção pessoal</td><td>#</td><td>Script para praat para preparação de lineups de voz</td></tr><tr><td>Dell I3 (com unidade de estado sólido - SSD)&nbsp;</td><td>Dell</td><td>#</td><td>Computador portátil</td></tr><tr><td>Praat</td><td>Paul Boersma & David Weenink</td><td>#</td><td>Software para análise fonética</td></tr><tr><td>Python 3</td><td>Python Software Foundation</td><td>#</td><td>Linguagem de programação interpretada, de alto nível e de uso geral&nbsp;</td></tr><tr><td>R</td><td>The R Project for Statistical Computing</td><td>#</td><td>Linguagem de programação para computação estatística</td></tr><tr><td>Shure Beta SM7B</td><td>Shure</td><td>#</td><td>Microphone</td></tr><tr><td>SpeechRhythmExtractor</td><td>Personal collection</td><td>#</td><td>Script para praat para extração automática de recursos acústicos</td></tr><tr><td>SurveyMonkey</td><td>SurveyMonkey Inc.</td><td>#</td><td>Montagem de pesquisas personalizáveis gratuitas, bem como um conjunto de programas de back-end que incluem análise de dados, seleção de amostras, eliminação de vieses e representação de dados.</td></tr><tr><td>Tascam DR-100 MKII</td><td>Tascam</td><td>#</td><td>Gravador de voz digital</td></tr><tr><td>O Sistema de Segmentação Automática de Munique MAUS</td><td>Universidade de Munique</td><td>#</td><td>Alinhador forçado de arquivos de áudio (.wav) e informações linguísticas (.txt)</td></tr><tr><td>VVUnitAligner</td><td>Coleção pessoal</td><td>#</td><td>Script para praat para realinhamento automático e pós-processamento de unidades fonéticas</td></tr></tbody></table>

sotaque estrangeiro e identificação forense de locutores em escalações de voz: a influência de características acústicas baseadas em prosódia

Foreign Accent and Forensic Speaker Identification in Voice Lineups: The Influence of Acoustic Features Based on Prosody

Esta pesquisa tem como objetivo examinar tanto as características prosódicas-acústicas quanto os correlatos perceptuais do inglês com sotaque estrangeiro e do português brasileiro com sotaque estrangeiro e verificar como as produções de sotaques estrangeiros e nativos dos falantes estão correlacionadas com a percepção dos ouvintes. Na Metodologia, realizamos um procedimento de produção de fala com um grupo de falantes americanos de L2 Português Brasileiro e um grupo de falantes brasileiros de L2 Inglês, e um procedimento de percepção de fala no qual realizamos alinhamentos de voz para ambas as línguas. Para a análise estatística da produção de fala, foram executados Modelos Aditivos Generalizados para avaliar o efeito dos grupos linguísticos em cada classe (métrica ou prosódico-acústica) de características controladas para o efeito de suavização da(s) covariável(is) da classe oposta. Para a análise estatística da percepção de fala, foi realizado um teste de Kruskal-Wallis e um teste post-hoc de Dunn para avaliar o efeito das vozes das formações sobre os escores julgados pelos ouvintes. No entanto, foram realizados testes de similaridade acústica (vocal) com base nas distâncias cosseno e euclidiana. Os resultados mostraram diferenças acústicas significativas entre os grupos linguísticos em termos de variabilidade do f0, duração e qualidade vocal. Para as escalações, os resultados indicaram que as características prosódicas de f0, intensidade e qualidade de voz se correlacionaram com os julgamentos percebidos pelos ouvintes.

Resultados para a produção da fala 
Nesta seção, descrevemos o desempenho das características prosódico-acústicas e métricas rítmicas estatisticamente significativas. Tais características prosódicas foram as taxas de fala, de articulação e de pausas, que estão relacionadas à duração, e o tremor, que está relacionado à qualidade vocal. As métricas rítmicas foram o desvio padrão (DP) da duração da sílaba, DP do consonante, DP da duração vocálica ou consonantal e o coeficiente de variação da duração da sílaba (consulte a Tabela Suplementar S1).
A taxa de fala (Figura 6A) diminui mais rapidamente para o inglês L1-L2 do que para o PB L1-L2, embora a taxa seja menor para ambos os L2s. A taxa de fala está relacionada a três métricas – desvio padrão da duração da sílaba (SD-S), desvio padrão das vogais (SD-V) e o coeficiente de variação silábica (Varco-S). Também é importante ter em mente que os grupos AmE-S e Bra-S são proficientes em seus L2s. Parece que essa taxa é afetada pelos valores mais altos de duração da sílaba e pela menor variabilidade produzida pelo PB L1-L2, causando inclinações menos acentuadas.
A taxa de articulação (Figura 6D) está relacionada ao SD-S, Varco-S, bem como à Razão do Ritmo Silábico (RR-S); esta última representa a razão entre sílabas mais curtas e mais longas. Essas métricas parecem afetar a taxa de articulação da mesma forma que a taxa de fala é afetada pelo comprimento da frase e pela variação na duração, levando a um planejamento maior da fala em L2 e a uma carga cognitiva maior em L29,23,54. Pode ser necessária uma carga cognitivo-linguística maior no domínio do comprimento da frase, de modo que os parâmetros prosódico-acústicos sejam afetados55.
No que diz respeito às características prosódico-acústicas da Fala e das taxas de Articulação, nossos resultados indicam que quanto mais um falante varia a duração das sílabas (e vogais), menores são essas taxas. Hipotetizamos que a percepção da fala tanto do português brasileiro (PB) L1 quanto L2 soa um pouco mais lenta do que o inglês L1 e L2, e que o inglês L1 soa mais rápido do que todos os outros níveis linguísticos. Esse fato pode estar relacionado ao ritmo da fala e à hipótese de que, enquanto o PB L1-L2 tende ao polo sílaba-timbrado do contínuo rítmico, o inglês L1-L2 se direciona ao polo acento-timbrado21,22.
O brilho local, Figura 6B, é influenciado por SD-S e Varco-S. Para o brilho local, ambas as produções de Bra-S, L1-BP e L2-inglês apresentam uma trajetória algo monótona à medida que a variabilidade da duração da sílaba aumenta (SD e Varco, ver Tabela Suplementar S1). A percepção do esforço vocal pode ser evidente ao ouvir as produções de Bra-S devido a uma baixa variação que varia entre 8,5 e 9 dB. A fala de Bra-S é afetada pela carga vocal. O L1-BP é altamente afetado pelo comprimento da frase, sendo menos sensível a grandes variações na duração da sílaba (o padrão rítmico do BP mostra menor variação silábica22,56).
A taxa de pausa (Figura&#160;6C) mostra que falantes de inglês como segunda língua produzem pausas mais longas (de 200 ms a 375 ms) do que os falantes de inglês como primeira língua, de português brasileiro como primeira língua e de português brasileiro como segunda língua (média de 30 ms para inglês como primeira língua, 50 ms para português brasileiro como primeira língua e 100 ms para português brasileiro como segunda língua). O planejamento da fala, neste caso, pode ter afetado a produção em inglês como segunda língua devido ao aumento da atividade cerebral54,57. Espera-se que uma proficiência linguística mais alta resulte em maior velocidade e amplitude de leitura54; no entanto, mesmo para falantes proficientes em uma segunda língua, tarefas de leitura exigiram maior esforço em aspectos cognitivos de ordem superior da fala estrangeira e no processamento linguístico54,57. Nossos resultados indicam, ao menos de forma preliminar, que falantes de português brasileiro como segunda língua podem ser menos afetados por pausas do que falantes de inglês como segunda língua, devido a diferenças no padrão rítmico das duas línguas.
<img alt="Figura 6" class="xfigimg" src="/files/ftp_upload/66313/66313fig06.jpg" /> 
Figura 6: Modelos Aditivos Generalizados para as características prosódico-acústicas. No eixo Y, a variável resposta (as características acústicas a serem modeladas); no eixo X, as variáveis preditoras (o fator 'Idioma' e as covariáveis nos modelos aditivos que fornecerão a forma e as trajetórias das curvas (ou seja, os efeitos de suavização: 'Idioma + covariáveis'), e o produto do fator 'Idioma' com uma característica métrica que fornecerá uma projeção mais precisa da variável resposta (ou seja, interações fator-suavização: 'covariável:Idioma'). Abreviação: GAMs = Modelos Aditivos Generalizados. <a href="https://www.jove.com/files/ftp_upload/66313/66313fig06large.jpg" target="_blank">Clique aqui para visualizar uma versão maior desta figura.</a>
Em relação às métricas rítmicas, para SD-S (Figura 7A), nossos resultados revelam que quanto mais um falante varia a curva de f0 e aumenta a taxa de fala, menor é a SD-S em todos os níveis linguísticos (um efeito espelho da Figura 6A). No caso do desvio padrão para consoantes (SD-C, Figura 7C), o L1-BP, ao contrário do L1 inglês, apresenta baixa variação à medida que a taxa de fala ou a duração da pausa aumentam. Essa direção do SD é prevista, já que a variabilidade da duração da sílaba no L1 inglês é (estatisticamente) significativamente maior do que no L1-BP44,58. O Varco-S (Figura 7B e Tabela Suplementar S1) parece estar parcialmente correlacionado ao L1 e ao L2 do mesmo grupo linguístico. À medida que a variabilidade de f0 e a taxa de fala aumentam, o Varco-S diminui para o L1-BP e parece diminuir e atenuar-se para o L2-BP. Para as produções em inglês, enquanto a variabilidade de f0 e a taxa de fala aumentam, o Varco-S aumenta e atenua-se para o L1-inglês e o L2-inglês.
Quanto ao DP para vogais ou consoantes (SD-V_C, Figura 7D e Tabela Suplementar S1), nossos resultados mostram algumas semelhanças com os Varco-S desempenhoFigura 7B). Por exemplo, níveis mais elevados Taxa de fala, Duração da pausa, e variabilidade de f0 promover uma trajetória de queda e subsequente aumento do SD-V_C para L1-BP e para L2-BP. Em produções em inglês, embora essas características prosódicas sejam mais elevadas, SD-V_C diminui ligeiramente, atenua-se para o inglês L1, aumenta ligeiramente e, em seguida, atenua-se para o inglês L2. O Varco-S e o SD-V_C a correlação com o L1-L2 dos mesmos grupos linguísticos pode ser parcialmente explicada pelo Efeito Lombard, que se refere à alteração de parâmetros acústicos na fala devido ao ruído de fundo59.
Em discursos estrangeiros, dependendo da complexidade da tarefa (por exemplo, fala lida), os falantes utilizaram estratégias acústicas semelhantes tanto na L1 quanto na L259,60. Por um lado, Marcoux e Ernestus descobriram que medidas de f0 (alcance e mediana) na fala Lombard em L2 sugerem que falantes de inglês como L2 foram influenciados por sua L1, o holandês61,62. Por outro lado, descobertas mais recentes propõem que, embora se espere que a fala Lombard em L2 difira da fala Lombard em L1 devido à maior carga cognitiva ao falar em L2, falantes de inglês como L2 produziram fala Lombard na mesma direção que falantes de inglês como L163. O grau em que nossos resultados estão alinhados com Marcoux e Ernestus63 e divergem de Waaning59, Villegas et al.60 e Marcoux e Ernestus61,62 exige investigação adicional.
<img alt="Figura 7" class="xfigimg" src="/files/ftp_upload/66313/66313fig07.jpg" /> 
Figura 7: Modelos Aditivos Generalizados para as características métricas. No eixo Y, a variável resposta (as características métricas a serem modeladas); no eixo X, as variáveis preditoras (o fator 'Idioma' e as covariáveis nos modelos aditivos que definirão a forma e as trajetórias das curvas (ou seja, os efeitos de suavização: 'Idioma + covariáveis'), e o produto do fator 'Idioma' com uma característica métrica que fornecerá uma projeção mais precisa da variável resposta (ou seja, interações fator-suavização: 'covariável:Idioma'). Abreviação: GAMs = Modelos Aditivos Generalizados. <a href="https://www.jove.com/files/ftp_upload/66313/66313fig07large.jpg" target="_blank">Clique aqui para visualizar uma versão maior desta figura.</a>
Resultados para a percepção da fala 
Em relação às formações com vozes BP, na formação nº 1 (Figura 8A), a voz de controle nº 3 foi julgada como sendo a voz-alvo. Na verdade, a voz-alvo era a voz nº 4. Os resultados não mostraram diferença estatisticamente significativa (ver Tabela Suplementar S1) entre a voz de controle nº 3 (83%) e a voz-alvo nº 4 (71%). Na formação nº 2 (Figura 8B), uma comparação entre a voz-alvo nº 3 (40%) e a voz de controle nº 4 (20%) também não revelou diferença estatisticamente significativa (ver Tabela Suplementar S1) para as formações com vozes em inglês. Na formação nº 1 (Figura 9A), não houve diferença significativa (ver Tabela Suplementar S1) entre a voz de controle nº 2 (26%) e a voz-alvo nº 4 (54%).
Na análise da similaridade vocal, tanto a similaridade do cosseno (CoSim) quanto a distância euclidiana (EucDist, [EucDist&#160;transformada]54) mostraram uma correlação consistente entre o distrator nº 3 e o alvo na lista BP nº 1 (CoSim = 0,99; EucDist = 77,4, [0,93]). A correlação entre o distrator nº 4 e o alvo foi igualmente forte na lista BP nº 2 (CoSim = 0,99, EucDist = 76,3, [0,93]). Na lista em inglês nº 1, a correlação foi consistente para CoSim (0,83), mas fraca a satisfatória para EucDist (213,0, [0,47]). No geral, ambas as técnicas, CoSim e EucDist, foram satisfatórias para determinar a similaridade vocal. Além disso, CoSim apresentou desempenho ligeiramente mais eficaz, conforme abordado por Gahman e Elangovan52 (veja Tabela Suplementar S1).
Em termos de similaridade, o que poderia ter levado ao aumento de alarmes falsos? As características prosódico-acústicas indicaram que, embora vozes distratoras e vozes-alvo tenham apresentado desempenho (estatisticamente) significativamente diferente — com exceção dos conjuntos apresentados na Figura&#160;8A,B e na Figura&#160;9A — as escolhas dos ouvintes se diversificaram um pouco entre diferentes vozes distratoras nos demais conjuntos (Figura&#160;8C,D e Figura&#160;9B-D). Esse julgamento parece depender mais de uma (ou talvez mais de uma) característica acústica específica compartilhada entre os falantes do que de uma classe inteira de características prosódico-acústicas. Por exemplo, nosso estudo apresentou diversas características que (co)variaram entre as produções; no entanto, os resultados perceptuais mostram preferência nos julgamentos por uma voz distratora específica para corresponder à voz-alvo8,35,64,65. Análises adicionais são necessárias em trabalhos futuros.
É notável considerar a escolha de uma matriz paramétrica multidimensional para a similaridade acústica66, como a apresentada neste estudo. Nossos resultados estão alinhados com estudos anteriores que utilizaram características acústicas baseadas em f0, VQ e intensidade9,35. Tais características são notavelmente recomendadas para tarefas de comparação de falantes no campo forense9,66. É, contudo, importante destacar que, na presente pesquisa, nenhuma das vozes distratoras foi prevista como semelhante à voz-alvo, embora tenhamos utilizado uma variante das diretrizes de McFarlane16,17 na preparação dos conjuntos de vozes para o reconhecimento de falantes com sotaque estrangeiro. Além disso, devemos enfatizar que nosso procedimento de conjunto de vozes apresenta diferenças importantes em relação às diretrizes de McFarlane, incluindo o comprimento do estímulo, o número de vozes, a seleção das vozes distratoras (aqui randomizada) e o estilo de fala.
Até que ponto as características prosódico-acústicas de f0, qualidade vocal e intensidade parecem estar relacionadas à percepção dos ouvintes dependeria muito do estilo de fala utilizado na pesquisa. Aqui, utilizamos trechos de leitura. A maioria dos estudos com testemunhas auditivas opta por estímulos (semi-)espontâneos como uma solução equilibrada — por exemplo, o corpus DyVis67 — que tem sido amplamente empregado em investigações contemporâneas com testemunhas auditivas28,68. A razão que nos levou a escolher as tarefas de leitura é que nosso corpus, na época da elaboração deste manuscrito, consistia exclusivamente de dados obtidos a partir de tarefas de leitura. É, no entanto, importante reconhecer que o processo de compilação de um corpus (semi-)espontâneo já está em andamento. Além disso, o ato de ler uma história pode gerar um nível confiável de uniformidade e variação, tanto intrafalante quanto interfalante. Isso facilita a ênfase em características prosódicas ou fonéticas — individuais ou dialetais — em situações que envolvem comparação de vozes. Isso se torna especialmente evidente em casos de carga vocal durante a produção de um sotaque estrangeiro, mesmo entre falantes proficientes 8,9,23,54.
<img alt="Figura 8" class="xfigimg" src="/files/ftp_upload/66313/66313fig08.jpg" /> 
Figura 8: Gráficos de barras contendo os resultados dos quatro reconhecimentos realizados pelos ouvintes brasileiros. (A,B) Diferença não significativa entre a voz-alvo (em azul) e uma voz falsa (em azul claro). (C,D) Diferenças significativas entre as vozes falsas e a voz-alvo. Abreviação: NS = não significativo. <a href="https://www.jove.com/files/ftp_upload/66313/66313fig08large.jpg" target="_blank">Clique aqui para visualizar uma versão maior desta figura.</a>
<img alt="Figura 9" class="xfigimg" src="/files/ftp_upload/66313/66313fig09.jpg" /> 
Figura 9: Gráficos de barras contendo os resultados dos quatro testes realizados pelos ouvintes americanos. (A) Diferença não significativa entre a voz-alvo (em vermelho) e uma voz distratora (em rosa). (B,C,D) Diferenças significativas entre as vozes distratoras e a voz-alvo. Abreviação: NS = não significativo. <a href="https://www.jove.com/files/ftp_upload/66313/66313fig09large.jpg" target="_blank">Clique aqui para visualizar uma versão maior desta figura.</a>
Tabela Suplementar S1: Estatísticas de produção da fala – Modelos Aditivos Generalizados (GAMs): as estatísticas F (graus de liberdade), o R2 ajustado de cada característica prosódico-acústica estatisticamente significativa (Figura 6) e métrica de ritmo (Figura 7) por nível linguístico, bem como os valores individuais de cada termo suavizado (as covariáveis). Estatísticas de percepção da fala: estatísticas de Kruskall-Wallis χ2 (graus de liberdade), os valores de p e o η2 ajustado, além de um teste post-hoc de Dunn para comparação aos pares (Figura 8 e Figura 9) de cada diferença estatisticamente não significativa entre os pares de vozes alvo-e distrator (Figura 8A,B e Figura&#160;9A). Matrizes de similaridade acústica para as distâncias cosseno e euclidiana de cada conjunto. <a href="https://www.jove.com/files/ftp_upload/66313/66313_JoVE_Supplemental_Table_S1 (2).xlsx" target="_blank">Clique aqui para visualizar uma versão maior desta figura.</a>

Esta pesquisa teve como objetivo fazer uma comparação entre L1-L2-Inglês e L1-L2 Português para verificar o quanto o efeito de um sotaque estrangeiro é responsável tanto pela métrica quanto pelos parâmetros prosódico-acústicos, bem como pela escolha da voz-alvo em uma formação de voz.

Sotaque estrangeiro e identificação forense de locutores em escalações de voz: a influência de características acústicas baseadas em prosódia

This research aims to examine both the prosodic-acoustic features and the perceptual correlates of foreign-accented English and foreign-accented Brazilian ...

foreign-accent-forensic-speaker-identification-voice-lineups

Research

JoVE Journal

Behavior

Comportamento

O estudo introduz um paradigma de teste de treinamento para investigar efeitos antigos/novos de potenciais relacionados a eventos em cenários prosódicos confiantes e duvidosos. Os dados revelam um componente positivo tardio aprimorado entre 400-850 ms em Pz e outros eletrodos. Esse pipeline pode explorar fatores além da prosódia da fala e sua influência na identificação do alvo de ligação de sugestões.

Paradigma de treinamento e teste baseado em memorização para reconhecimento robusto de identidade vocal em fala expressiva usando análise de potenciais relacionados a eventos

Um procedimento que permite uma demonstração de aumento robusto de droga que procura, em ratos com restrição de alimentos é descrito. Após o treinamento de auto-administração de heroína, os ratos passam por um período de abstinência, em um ambiente livre de drogas, durante a qual eles são levemente restrição alimentar. Procura de droga é então testada no ambiente associadas à droga.

Um procedimento para estudar o efeito da restrição alimentar prolongada em heroína Buscando em ratos abstinentes

Não está claro como os sinais de cima para baixo a partir do corrente visual ventral afetar o movimento. Nós desenvolvemos um paradigma para testar o comportamento do motor para um alvo em uma ilusão inversão profundidade 3D. As diferenças significativas são relatadas em ambos, movimentos deliberados dirigidas a objetivos e ações automáticas sob condições de visualização ilusórias e verídicas.

Métodos para pesquisar a influência de cima para baixo processos visuais em Comportamento Motor

O paradigma de ligação distrator-resposta é descrito. Pode ser usado para lançar luz sobre a influência que estímulos irrelevantes, competindo com alvos por uma resposta, podem ter na ação humana. Tanto os efeitos de recuperação de resposta quanto os efeitos de inibição do distrator podem ser analisados dentro do paradigma.

Estímulos irrelevantes e Controle Ação: analisar a influência da Ignorado estímulos através do distrator-Resposta Encadernação Paradigm

Este protocolo descreve um método novo e eficiente para iniciar rapidamente operante de responder por etanol em ratos, que, contrariamente aos métodos convencionais, não necessitam de privação de água ou sacarina / sacarose desvanecimento para iniciar a responder.

Um método para avaliar as propriedades de reforço de etanol em ratos sem água Privação, Sacarina desvanecimento ou treinamento de Acesso Ampliado

Aqui, apresentamos um protocolo para avaliar comportamentos de condução enquanto seguem um veículo em um ambiente simulado de condução. O protocolo apresentado é usado para comparar o impacto de diferentes origens auditivos em comportamentos de condução.

Dirigir sob a influência: como ouvir música afeta comportamentos de condução

Apresentamos um protocolo para examinar o uso de pistas morfológicas durante a compreensão da frase em tempo real por crianças com autismo.

Usando o paradigma de mundo Visual para estudar a compreensão da frase em língua Mandarim de crianças com autismo

Descreveremos um protocolo comportamental destinado a avaliar como personalidades do zebrafish influenciam sua resposta à água correntes e campos magnéticos fracos. Peixes com as mesmas personalidades são separados com base no seu comportamento exploratório. Em seguida, observa-se seu comportamento de orientação rheotactic em um túnel de natação com uma baixa taxa de fluxo e sob diferentes condições magnéticas.

Avaliar a influência da personalidade na sensibilidade a campos magnéticos no Zebrafish

Nós apresentamos um protocolo para dissociar os fatores entrelaçando da dificuldade integrativa e do impretedness em sentenças semanticamente anômalas aplicando repetições múltiplas para realçar a expectativa do participante para sentenças anômalas. A dissociação ajuda a investigar o principal contribuinte de efeitos potenciais relacionados a eventos (ERP), tais como N400 em estudos de linguagem.

Dissociação das influências confounding da expectativa e da dificuldade Integrativa residentes em sentenças anômalas em estudos potenciais relacionados a eventos

Este artigo introduz um método para avaliar a coerência das narrativas curtas dos pais em relação ao seu filho e sua relação com o procedimento de cinco minutos da amostra de fala.

Avaliando a coerência das narrativas curtas dos pais em relação ao seu filho usando o procedimento de amostra de fala de cinco minutos

Descubra como sotaques estrangeiros afetam a identificação forense de locutores usando características prosódicas como frequência fundamental, duração e qualidade vocal. Este método ajuda pesquisadores a compreender julgamentos de ouvintes em escalações de voz.

Sotaque estrangeiro e identificação forense de locutores em escalações de voz: a influência de características acústicas baseadas em prosódia (Vídeo) | JoVE Journal

Sotaque estrangeiro e identificação forense de locutores em escalações de voz: a influência de características acústicas baseadas em prosódia

Explorar mais vídeos