Eesti keele spontaanse kõne foneetiline korpus

1. Eesti keele spontaanse kõne foneetiline korpus Pire Teras Ettekanne EEKKT konverentsil 19.11.2007

2. Eesmärgid (1) • Keele akustika uurimise ja kõnetehnoloogiliste rakenduste loomise aluseks on esinduslikud kõne-korpused, mis spontaanse eesti keele kohta tuleb alles luua. • Eesmärgiks on luua teiste eestikeelse kõne korpustega ühilduv spontaanse kõne foneetiliselt märgendatud korpus. • Koostöö tulemusel teiste asutustega peaks korpus olema kasutatav nii kõnetehnoloogiliste rakenduste arendamiseks kui eesti keele häälduse põhiparameetrite analüüsimiseks.

3. Eesmärgid (2) • Loodavasse foneetilisse korpusse salvestatakse esimeses etapis 40 keelejuhilt kolme laadi kõnetekste: argivestlused, võimalusel ametlikud vestlused (dialoogidena) või ametlikud monoloogid. • 20–70-aastased eesti keelt emakeelena rääkivad keelejuhid (20 meest ja 20 naist). • Arvestatakse piirkondliku ja haridusliku esinduslikkusega. • Salvestatud kõne märgendatakse erinevatel märgendus-kihtidel.

4. Täitjad ja finantseerimine • Pire Teras, Pärtel Lippus, Tuuli Tuisk, Karl Pajusalu, Ellen Niit • TÜ üliõpilased ja magistrandid • 2006. a 500 000 krooni • 2007. a 500 000 krooni

5. Lindistused ja keelejuhid (1) • Lindistused, märgendifailid ja keelejuhid on kodeeritud (nt SKK002-001_N.wav). • Lindistatud on 1 monoloog, lisaks on saadud 2 monoloogi küberneetika instituudist. • Lindistatud on 18 dialoogi. 9 lindistust on tehtud helistuudios, 9 välitöödel. Tabel 1. Keelejuhtide vanuserühmad, kavandatud arv ning praeguseni lindistatute arv (naised ja mehed, koguarv)

6. Lindistused ja keelejuhid (2) • Lindistuste kogumaht on 19 tundi ja 45 min. • Keelejuhid on erineva piirkondliku taustaga (kesk-, kirde-ranniku-, lääne-, saarte-, Võru ja Tartu murde alalt). Tabel 2. Keelejuhtide piirkondlik taust

7. Segmentimine ja märgenduskihid Märgenduskihtide valikul on olnud eelkõige eeskujuks Mietta Lennese ja Sanna Ahjoniemi märgendusjuhend. (http://www.helsinki.fi/~lennes/annotation_guide/annotation_guide.pdf) Foneetilised ja lingvistilised kihid • sõnad (ortograafiline kirjaviis; siin ka üneemid, nt .ee); • häälikud (SAMPA); • häälikustruktuurid (CV) – teisendatakse häälikutest scripti abil; • silbid – LL (lühike, lahtine), PL (pikk, lahtine), PK (pikk, kinnine) + silbi järjekorranumber. Nt kau|ba|ma|ja – 1PL|2LL|1LL|2LL • taktid – siin märgime pearõhku (1) ja kaasrõhku (2) ning väldet. Nt kava|lamale – 11|21, kavala|male – 11|21; • lausungid (JUTT, PAUS, täidetud paus, hingamine).

10. Muud kihid • Häälelaad See puudutab pikemat üksust kui üksikhäälikut. Tähistame järgmiselt: kärin – .?, kähin – .Hv, sosin – .0. • Paralingvistilised nähtused Sisse- ja väljahingamine – .sisse, .välja; ohkamine – .ohe, haigutamine – .haigutus, köhimine – .köha või .köhatus jms. • Tundeseisundid ja muu Naermine – .naer või .naerdes, nutmine – .nutt või .nuttes, nuuksumine – .nuuksatus jms. Muu: nt keelenaksatus, huultega matsutamine jms – .matsutus.

13. Segmentimisseis • Sõna- ja häälikukihil ning osaliselt silbi-, takti- ja lausungikihil on segmenditud ja märgendatud 5 tundi ja 35 min kõnet. Tabel 3. Segmentide arv korpuses

14. Uurimused Meister, Einar, Pärtel Lippus 2007. Spontaanse kõne temporaalsest struktuurist. VI rakenduslingvistika kevadkonverents „Keel ja leksikon“ 26.–27. aprillil 2007. a Tallinnas. Ettekanne (artikkel on ilmumas). Meister, Einar, Pärtel Lippus 2007. On Temporal Organization of Spontaneous Estonian: Preliminary Analysis Results of Lecture Speech. III Baltic Conference “Human Language Technologies” 4.-5. oktoobril 2007. a Kaunases Leedus. Ettekanne (artikkel on ilmumas). Mesipuu, Margit 2007. Sõnaalguline h. Tartu Ülikool, Eesti keele ja üldkeeleteatuse instituut. Magistritöö. Raasik, Liis 2007. Intervokaalsed leenisklusiilid eesti keele spon-taanses kõnes ühe keelejuhi näitel. Tartu Ülikool, Eesti keele ja üldkeeleteatuse instituut. Bakalaureusetöö.

15. Aitäh!