Zugl.: Halle (Saale), Univ., Diss., 2007

Thèse (M.Ling.) -- Université du Québec à Chicoutimi, programme extensionné de l'Université Laval, 2003. / Bibliogr.: f. [105]-127. Document électronique également accessible en format PDF. CaQCU

Th. Etat--Aix en Provence--Université de Provence, 1978. / Bibliogr. p. 711-780. Notes bibliogr.

No description available.

Zugleich: Diss. Jena, 2008. / Literaturverz.

Les patients schizophrènes présentent des déficits en reconnaissance des émotions vocales qui ont de graves conséquences sur leur fonctionnement social. Ces déficits ont été jusqu'à présent mis en évidence à l'aide de paradigmes explicites : la perception implicite de la prosodie émotionnelle reste à être explorée dans cette pathologie. Nous avons recruté 20 patients schizophrènes et 21 sujets contrôles appariés sur l'âge et le sexe. Nous avons d'abord démontré dans notre groupe de patients un déficit en reconnaissance explicite de prosodie émotionnelle. Nous avons ensuite utilisé un paradigme de Stroop émotionnel vocal (conflit entre l'émotion du sens du mot et de la voix avec lequel il est prononcé) permettant d'évaluer l'influence implicite de la prosodie émotionnelle sur le jugement émotionnel sémantique. Nous avons démontré un effet de Stroop émotionnel vocal plus important en taux d'erreur chez les patients que chez les témoins traduisant un déficit de résolution des conflits émotionnels vocaux. Chez les patients, l'effet de Stroop émotionnel vocal en temps de réaction est positivement corrélé à l'anhédonie sociale, validant ainsi l'hypothèse originale d'une hypersensibilité aux émotions vocales dans l'anhédonie schizophrénique. Nous avons également exploré le traitement implicite de la prosodie linguistique chez les mêmes participants. Nous avons démontré à l'aide d'une tâche psycholinguistique évaluant les stratégies de segmentation lexicale et prosodique que les patients schizophrènes étaient tout à fait capables de percevoir et d'utiliser les indices prosodiques contenus dans des frontières de groupe de mots pour segmenter le signal de parole. Nous concluons à une dissociation entre une reconnaissance explicite altérée et une perception implicite préservée de prosodie émotionnelle et linguistique dans la schizophrénie. Nos résultats réfutent l'explication entièrement sensorielle du trouble schizophrénique en reconnaissance des émotions vocales. Ils sont plutôt en faveur d'un déficit de l'étape cognitive de jugement émotionnel.

L’objectif de cette thèse est l’étude et la conception d’une plateforme de synthèse de parole expressive.Le système de synthèse — LIPS3, développé dans le cadre de ce travail, incorpore deux éléments : un module linguistique et un module de synthèse paramétrique par apprentissage statistique (construit à l’aide de HTS et de STRAIGHT). Le système s’appuie sur un corpus monolocuteur conçu, enregistréet étiqueté à cette occasion.Une première étude, sur l’influence de la qualité de l’étiquetage du corpus d’apprentissage, indique que la synthèse paramétrique statistique est robuste aux erreurs de labels et d’alignement. Cela répond au problème de la variation des réalisations phonétiques en parole expressive.Une seconde étude, sur l’analyse acoustico-phonétique du corpus permet la caractérisation de l’espace expressif utilisé par la locutrice pour réaliser les consignes expressives qui lui ont été fournies. Les paramètres de source et les paramètres articulatoires sont analysés suivant les classes phonétiques, ce qui permet une caractérisation fine des phonostyles.Une troisième étude porte sur l’intonation et le rythme. Calliphony 2.0 est une interface de contrôlechironomique temps-réel permettant la modification de paramètres prosodiques (f0 et tempo) des signaux de synthèse sans perte de qualité, via une manipulation directe de ces paramètres. Une étude sur la stylisation de l’intonation et du rythme par contrôle gestuel montre que cette interface permet l’amélioration, non-seulement de la qualité expressive de la parole synthétisée, mais aussi de la qualité globale perçue en comparaison avec la modélisation statistique de la prosodie.Ces études montrent que la synthèse paramétrique, combinée à une interface chironomique, offre une solution performante pour la synthèse de la parole expressive, ainsi qu’un outil d’expérimentation puissant pour l’étude de la prosodie. / The subject of this thesis was the study and conception of a platform for expressive speech synthesis.The LIPS3 Text-to-Speech system — developed in the context of this thesis — includes a linguistic module and a parametric statistical module (built upon HTS and STRAIGHT). The system was based on a new single-speaker corpus, designed, recorded and annotated.The first study analyzed the influence of the precision of the training corpus phonetic labeling on the synthesis quality. It showed that statistical parametric synthesis is robust to labeling and alignment errors. This addresses the issue of variation in phonetic realizations for expressive speech.The second study presents an acoustico-phonetic analysis of the corpus, characterizing the expressive space used by the speaker to instantiate the instructions that described the different expressive conditions. Voice source parameters and articulatory settings were analyzed according to their phonetic classes, which allowed for a fine phonostylistic characterization.The third study focused on intonation and rhythm. Calliphony 2.0 is a real-time chironomic interface that controls the f0 and rhythmic parameters of prosody, using drawing/writing hand gestures with a stylus and a graphic tablet. These hand-controlled modulations are used to enhance the TTS output, producing speech that is more realistic, without degradation as it is directly applied to the vocoder parameters. Intonation and rhythm stylization using this interface brings significant improvement to the prototypicality of expressivity, as well as to the general quality of synthetic speech.These studies show that parametric statistical synthesis, combined with a chironomic interface, offers an efficient solution for expressive speech synthesis, as well as a powerful tool for the study of prosody.

Un des principaux obstacles à l'analyse complète des conversations naturelles demeure la présence de plusieurs chevauchements de parole. Lorsque trois locuteurs ou plus s'y trouvent impliqués, des conversations parallèles accroissent encore le défi. En effet, les signaux de parole mixtes qui en résultent ne peuvent être soumis à une analyse acoustique informatisée. La décision de n'étudier que les extraits conversationnels en signal de parole pur, pour permettre des analyses appuyées par l'informatique, nous prive, selon nos résultats, de la moitié des manifestations prosodiques réalisées en contexte naturel (hauteur et intensité de la voix, allongement des syllabes et pauses), puisqu'elles foisonnent dans les chevauchements de parole. Pour la conduite de recherches lexico-sémantiques et interactionnelles, nous préférons ne pas sacrifier l'aspect naturel des conversations. C'est pourquoi nous nous en remettons à une analyse complètement humaine, quoiqu'elle puisse être appuyée par la technologie dans la mesure où celle-ci ne prend pas le pas sur le jugement du transcripteur (par exemple pour mesurer des pauses ou des syllabes allongées). Au terme de ce mémoire, nous proposons un mode de transcription perceptuel amélioré par rapport à ce qui se fait déjà, susceptible de favoriser le marquage pertinent de la prosodie pour des analyses lexico-sémantiques et interactionnelles, ainsi qu'une haute fidélité aux données primaires. Par le fait même, aussi bien les extraits de conversation où un seul locuteur s'exprime que les moments de chevauchement ou de conversations parallèles peuvent être pris en considération par les chercheurs. Nous proposons également certaines innovations graphiques pour augmenter la lisibilité des transcriptions qui prévoient un tel marquage précis des proéminences prosodiques.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Communiquer efficacement nécessite de produire une multitude d’inférences pragmatiques. Celles-ci reposent sur la capacité à prendre en compte un grand nombre d’indices, tels que le contexte ou l’état mental et physique du locuteur. Dans le cas du langage oral, l’interlocuteur s’appuie également sur les indices prosodiques. Ainsi, une prosodie enthousiaste associée à l’énoncé « Excellent. » aidera un interlocuteur à inférer que le locuteur est content tandis qu’une intonation plate le conduira au contraire à penser qu’il était ironique. Ces situations peuvent être particulièrement délicates pour les patients atteints d’un Trouble du Spectre Autistique (TSA) qui éprouvent des difficultés pour reconnaître et interpréter les états mentaux d’autrui. Nous prédisons donc que l’interprétation des indices prosodiques est délicate dans les TSA. Cependant, tous les aspects de l’interprétation prosodique ne requièrent pas d’attribuer des états mentaux. Par exemple, la distinction entre « PREsent » et « preSENT » (en anglais) est basée sur une simple connaissance du lexique, indépendante des pensées du locuteur. Dans ce travail, j’explore différents aspects de la prosodie afin de déterminer si les personnes avec un TSA sont spécifiquement atteintes dans leur capacité à comprendre les signaux prosodiques reposant sur la compréhension des intentions du locuteur. Je présente une série de travaux traitant de la prosodie grammaticale (Article 1), de la transmission accidentelle d’informations (Article 2), de l’accent contrastif (Articles 3 et 4), et de l’identification des états mentaux du locuteur (Article 5). Les résultats présentés dans ces travaux me conduisent ensuite à discuter des questions plus générales concernant la Théorie de l’Esprit (Article 6) et à proposer une explication alternative des déficits sociaux observés dans les TSA (Article 7). / Efficient communication requires a great deal of pragmatic inferencing. This is rooted in the ability to take into account a variety of cues, such as the context and the speaker’s mental or emotional states. Crucially, in spoken language, hearers can also rely on prosodic cues. For instance, if someone utters “That was brilliant”, using an enthusiastic prosody, this will help the hearer to decipher that the speaker is happy. In contrast, if the speaker’s comment is uttered in a deadpan tone of voice, she will be thought to be ironical. These situations can be especially challenging for people with an Autism Spectrum Disorder. Indeed, these individuals have well-known difficulties in recognising and interpreting others’ mental states. This leads to the prediction that interpreting prosodic cues should be problematic in ASDs. However, not all aspects of prosodic interpretation involve mental states attribution. For instance, differentiating “PREsent” from “preSENT” merely requires one to be aware of the fact that these words stand for different things, without needing to attribute any particular thoughts to the speaker. In this work, I explore the various components of prosody and assess whether people with an ASD are specifically impaired in interpreting prosodic cues that rely on the understanding of the speaker’s intentions. I present a series of papers focusing on grammatical prosody (Paper 1), accidental information transmission (Paper 2), contrastive stress (Papers 3 and 4), and identification of the speaker’s attitude and emotional state (Paper 5). The results presented in these papers then lead me to address more general questions concerning Theory of Mind (Paper 6) and to discuss the possible origins of the social impairments found in ASDs (Paper 7).