@inproceedings{lecorve-lolive-2016-phonetisation,
title = "Phon{\'e}tisation statistique adaptable d{'}{\'e}nonc{\'e}s pour le fran{\c{c}}ais (Adaptive statistical utterance phonetization for {F}rench ⇤ )",
author = "Lecorv{\'e}, Gw{\'e}nol{\'e} and
Lolive, Damien",
editor = "Danlos, Laurence and
Hamon, Thierry",
booktitle = "Actes de la conf{\'e}rence conjointe JEP-TALN-RECITAL 2016. volume 1 : JEP",
month = "7",
year = "2016",
address = "Paris, France",
publisher = "AFCP - ATALA",
url = "https://aclanthology.org/2016.jeptalnrecital-jep.58",
pages = "518--526",
abstract = "Les m{\'e}thodes classiques de phon{\'e}tisation d{'}{\'e}nonc{\'e}s concat{\`e}nent les prononciations hors-contexte des mots. Ce type d{'}approches est trop faible pour certaines langues, comme le fran{\c{c}}ais, o{\`u} les transitions entre les mots impliquent des modifications de prononciation. De plus, cela rend difficile la mod{\'e}lisation de strat{\'e}gies de prononciation globales, par exemple pour mod{\'e}liser un locuteur ou un accent particulier. Pour palier ces probl{\`e}mes, ce papier pr{\'e}sente une approche originale pour la phon{\'e}tisation du fran{\c{c}}ais afin de g{\'e}n{\'e}rer des variantes de prononciation dans le cas d{'}{\'e}nonc{\'e}s. Par l{'}emploi de champs al{\'e}atoires conditionnels et de transducteurs finis pond{\'e}r{\'e}s, cette approche propose un cadre statistique particuli{\`e}rement souple et adaptable. Cette approche est {\'e}valu{\'e}e sur un corpus de mots isol{\'e}s et sur un corpus d{'}{\'e}nonc{\'e}s prononc{\'e}s.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="lecorve-lolive-2016-phonetisation">
<titleInfo>
<title>Phonétisation statistique adaptable d’énoncés pour le français (Adaptive statistical utterance phonetization for French ⇤ )</title>
</titleInfo>
<name type="personal">
<namePart type="given">Gwénolé</namePart>
<namePart type="family">Lecorvé</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Damien</namePart>
<namePart type="family">Lolive</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2016-07</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">French</languageTerm>
<languageTerm type="code" authority="iso639-2b">fre</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la conférence conjointe JEP-TALN-RECITAL 2016. volume 1 : JEP</title>
</titleInfo>
<name type="personal">
<namePart type="given">Laurence</namePart>
<namePart type="family">Danlos</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Thierry</namePart>
<namePart type="family">Hamon</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>AFCP - ATALA</publisher>
<place>
<placeTerm type="text">Paris, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Les méthodes classiques de phonétisation d’énoncés concatènent les prononciations hors-contexte des mots. Ce type d’approches est trop faible pour certaines langues, comme le français, où les transitions entre les mots impliquent des modifications de prononciation. De plus, cela rend difficile la modélisation de stratégies de prononciation globales, par exemple pour modéliser un locuteur ou un accent particulier. Pour palier ces problèmes, ce papier présente une approche originale pour la phonétisation du français afin de générer des variantes de prononciation dans le cas d’énoncés. Par l’emploi de champs aléatoires conditionnels et de transducteurs finis pondérés, cette approche propose un cadre statistique particulièrement souple et adaptable. Cette approche est évaluée sur un corpus de mots isolés et sur un corpus d’énoncés prononcés.</abstract>
<identifier type="citekey">lecorve-lolive-2016-phonetisation</identifier>
<location>
<url>https://aclanthology.org/2016.jeptalnrecital-jep.58</url>
</location>
<part>
<date>2016-7</date>
<extent unit="page">
<start>518</start>
<end>526</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Phonétisation statistique adaptable d’énoncés pour le français (Adaptive statistical utterance phonetization for French ⇤ )
%A Lecorvé, Gwénolé
%A Lolive, Damien
%Y Danlos, Laurence
%Y Hamon, Thierry
%S Actes de la conférence conjointe JEP-TALN-RECITAL 2016. volume 1 : JEP
%D 2016
%8 July
%I AFCP - ATALA
%C Paris, France
%G French
%F lecorve-lolive-2016-phonetisation
%X Les méthodes classiques de phonétisation d’énoncés concatènent les prononciations hors-contexte des mots. Ce type d’approches est trop faible pour certaines langues, comme le français, où les transitions entre les mots impliquent des modifications de prononciation. De plus, cela rend difficile la modélisation de stratégies de prononciation globales, par exemple pour modéliser un locuteur ou un accent particulier. Pour palier ces problèmes, ce papier présente une approche originale pour la phonétisation du français afin de générer des variantes de prononciation dans le cas d’énoncés. Par l’emploi de champs aléatoires conditionnels et de transducteurs finis pondérés, cette approche propose un cadre statistique particulièrement souple et adaptable. Cette approche est évaluée sur un corpus de mots isolés et sur un corpus d’énoncés prononcés.
%U https://aclanthology.org/2016.jeptalnrecital-jep.58
%P 518-526
Markdown (Informal)
[Phonétisation statistique adaptable d’énoncés pour le français (Adaptive statistical utterance phonetization for French ⇤ )](https://aclanthology.org/2016.jeptalnrecital-jep.58) (Lecorvé & Lolive, JEP/TALN/RECITAL 2016)
ACL