本論文は、ブラジルポルトガル語音声の終端韻律境界を特定するために設計されたWhisper large-v3モデルに基づくセグメンターであるSAMPAを紹介する。

  • NURC-SPデータセットの手動セグメント化録音でファインチューニングされている。
  • ホールドアウトテスト分割でF1スコア0.731、MuPe-Diversidadesデータセットで0.796を達成した。
  • n-gramおよび音響・視覚分析を通じて、形態統語的、意味的、韻律的手がかりへの依存性を示している。

このモデルは、ブラジルポルトガル語の自動韻律セグメンテーションにおいて、従来のルールベース手法に対する競争力のあるディープラーニングの代替手段を提供する。