Comparação entre modelos com diferentes abordagens para classificação de sotaques brasileiros.

• Autor(a) principal: ALMEIDA, Diego Ribeiro de.
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29242
• topic: Ciência da Computação.; Sotaques brasileiros; Sistemas de automatic speech recognition; Classificação de sotaques; Braccent - base de dados; Reconhecimento automático de fala; Identificação de sotaques; Regressão logística multiclasse; Coeficientes cepstrais - Mel; Mel frequency cepstral coefficients; Brazilian accents; Automatic speech recognition systems; Accent rating; Braccent - database; Automatic speech recognition; Accent identification; Multiclass logistic regression

O sotaque se apresenta como uma das variáveis mais desaiadoras para a eicácia de sistemas de Automatic Speech Recognition. Além disso, sua classiicação automática possui diversas aplicações potenciais, como a seleção de modelos especializados para text-tospeech e speech-to-text. Neste trabalho, avaliamos dois modelos de classiicação de sotaques a partir da base de dados Braccent, a im de compará-los com os métodos GMM-UBM, GMM-SVM, iVector, CNN 1D, CNN 2D e CNN 1D + LSTM. Os resultados experimentais obtidos demonstram que as abordagens aqui avaliadas apresentam desempenhos consideravelmente abaixo dos reportados na literatura em métricas como acurácia, precisão, revocação, e F1-score, corroborando com a premissa de que sistemas de reconhecimento automático de sotaques no português brasileiro ainda são um desaio.