Standard

АВТОМАТИЧЕСКИЙ АДАПТИВНЫЙ ФОНЕТИЧЕСКИЙ ТРАНСКРИПТОР ДЛЯ РУССКОГО ЯЗЫКА. / Евдокимова, Вера Вячеславовна; Скрелин, Павел Анатольевич; Чукаева, Татьяна Валерьевна.

Анализ разговорной русской речи (АР3 -2017): Труды седьмого междисциплинарного семинара. СПб. : Политехника-принт, 2017. стр. 32-39.

Результаты исследований: Публикации в книгах, отчётах, сборниках, трудах конференций › статья в сборнике материалов конференции › научная

Harvard

Евдокимова, ВВ, Скрелин, ПА & Чукаева, ТВ 2017, АВТОМАТИЧЕСКИЙ АДАПТИВНЫЙ ФОНЕТИЧЕСКИЙ ТРАНСКРИПТОР ДЛЯ РУССКОГО ЯЗЫКА. в Анализ разговорной русской речи (АР3 -2017): Труды седьмого междисциплинарного семинара. Политехника-принт, СПб., стр. 32-39, Анализ разговорной русской речи 2017, Санкт-Петербург, 20/01/17.

APA

Евдокимова, В. В., Скрелин, П. А., & Чукаева, Т. В. (2017). АВТОМАТИЧЕСКИЙ АДАПТИВНЫЙ ФОНЕТИЧЕСКИЙ ТРАНСКРИПТОР ДЛЯ РУССКОГО ЯЗЫКА. в Анализ разговорной русской речи (АР3 -2017): Труды седьмого междисциплинарного семинара (стр. 32-39). Политехника-принт.

Vancouver

Евдокимова ВВ, Скрелин ПА, Чукаева ТВ. АВТОМАТИЧЕСКИЙ АДАПТИВНЫЙ ФОНЕТИЧЕСКИЙ ТРАНСКРИПТОР ДЛЯ РУССКОГО ЯЗЫКА. в Анализ разговорной русской речи (АР3 -2017): Труды седьмого междисциплинарного семинара. СПб.: Политехника-принт. 2017. стр. 32-39

Author

Евдокимова, Вера Вячеславовна ; Скрелин, Павел Анатольевич ; Чукаева, Татьяна Валерьевна. / АВТОМАТИЧЕСКИЙ АДАПТИВНЫЙ ФОНЕТИЧЕСКИЙ ТРАНСКРИПТОР ДЛЯ РУССКОГО ЯЗЫКА. Анализ разговорной русской речи (АР3 -2017): Труды седьмого междисциплинарного семинара. СПб. : Политехника-принт, 2017. стр. 32-39

BibTeX

@inproceedings{cdef7dcc5bd94131911d58bdab195042,
title = "АВТОМАТИЧЕСКИЙ АДАПТИВНЫЙ ФОНЕТИЧЕСКИЙ ТРАНСКРИПТОР ДЛЯ РУССКОГО ЯЗЫКА",
abstract = "был разработан в ходе выполнения проекта по автоматическому членению речевого сигнала на супрасегментные звуковые единицы. Эффективность определения границ звуковых единиц в звуковом сигнале тесно связана с точностью сгенерированной последовательности фонетических символов, представляющих прочитанный текст или расшифровку спонтанной речи. Автоматический транскриптор на основе текста (или расшифровки) порождает модель сегментной последовательности, с которой будут сравниваться акустические характеристики последовательности фрагментов звукового сигнала. Естественно, что эта модель в формализованном виде содержит данные о потенциальных акустических характеристиках сегментных и супрасегментных единиц. На сегодняшний день существует достаточно большой набор данных о вариативности русской речи в разных формах национального языка, поэтому алгоритмы автоматического транскриптора должны строиться не только на нормативных прескрипциях, но и включать допустимые варианты.",
author = "Евдокимова, {Вера Вячеславовна} and Скрелин, {Павел Анатольевич} and Чукаева, {Татьяна Валерьевна}",
year = "2017",
language = "русский",
isbn = "978-5-906841-95-7",
pages = "32--39",
booktitle = "Анализ разговорной русской речи (АР3 -2017)",
publisher = "Политехника-принт",
address = "Российская Федерация",
note = "Анализ разговорной русской речи 2017 ; Conference date: 20-01-2017 Through 20-01-2017",

}

RIS

TY - GEN

T1 - АВТОМАТИЧЕСКИЙ АДАПТИВНЫЙ ФОНЕТИЧЕСКИЙ ТРАНСКРИПТОР ДЛЯ РУССКОГО ЯЗЫКА

AU - Евдокимова, Вера Вячеславовна

AU - Скрелин, Павел Анатольевич

AU - Чукаева, Татьяна Валерьевна

PY - 2017

Y1 - 2017

N2 - был разработан в ходе выполнения проекта по автоматическому членению речевого сигнала на супрасегментные звуковые единицы. Эффективность определения границ звуковых единиц в звуковом сигнале тесно связана с точностью сгенерированной последовательности фонетических символов, представляющих прочитанный текст или расшифровку спонтанной речи. Автоматический транскриптор на основе текста (или расшифровки) порождает модель сегментной последовательности, с которой будут сравниваться акустические характеристики последовательности фрагментов звукового сигнала. Естественно, что эта модель в формализованном виде содержит данные о потенциальных акустических характеристиках сегментных и супрасегментных единиц. На сегодняшний день существует достаточно большой набор данных о вариативности русской речи в разных формах национального языка, поэтому алгоритмы автоматического транскриптора должны строиться не только на нормативных прескрипциях, но и включать допустимые варианты.

AB - был разработан в ходе выполнения проекта по автоматическому членению речевого сигнала на супрасегментные звуковые единицы. Эффективность определения границ звуковых единиц в звуковом сигнале тесно связана с точностью сгенерированной последовательности фонетических символов, представляющих прочитанный текст или расшифровку спонтанной речи. Автоматический транскриптор на основе текста (или расшифровки) порождает модель сегментной последовательности, с которой будут сравниваться акустические характеристики последовательности фрагментов звукового сигнала. Естественно, что эта модель в формализованном виде содержит данные о потенциальных акустических характеристиках сегментных и супрасегментных единиц. На сегодняшний день существует достаточно большой набор данных о вариативности русской речи в разных формах национального языка, поэтому алгоритмы автоматического транскриптора должны строиться не только на нормативных прескрипциях, но и включать допустимые варианты.

UR - https://phonetics.spbu.ru/images/AR3_2017.pdf

M3 - статья в сборнике материалов конференции

SN - 978-5-906841-95-7

SP - 32

EP - 39

BT - Анализ разговорной русской речи (АР3 -2017)

PB - Политехника-принт

CY - СПб.

T2 - Анализ разговорной русской речи 2017

Y2 - 20 January 2017 through 20 January 2017

ER -

ID: 7742575