A first approach to acoustic characterization of Costa Rican children’s speech

Abstract

As human interaction with computers becomes more pervasive, the value of developing automatic speech recognition, text-to-speech synthesis, and related speech technologies become more important for people of all ages, accents, and conditions. One of the groups that represent bigger challenges is children, due to the difficulties in recording enough speech, and the lack of characterization of their speech, which is particular of every language and accent. This paper presents the first approach to acoustic analyses of Costa Rican children aged from six to twelve years. These analyses aimed to achieve a better understanding of the characteristics of speech produced by this group, in terms of providing future development and enhancement of automatic speech recognizers and speaker identification systems. For this purpose, we record the speech consisting of isolated words of three children, and compare the results with three adults, in terms of the vowel’s formants. The formants give information about the vocal track of the speaker, and it is an important method to provide the first analysis of these signals. Results show noticeable differences between the children and adults and may provide useful information about future trends to adapt and develop the current speech technologies for this population.

A medida que la interacción de las personas con las computadoras se hace más extendida, se vuelve más importante el desarrollo de tecnologías para el reconocimiento automático de la voz, la síntesis de voz, así como otras tecnologías relacionadas, considerando a personas de todas las edades, acentos y condiciones. Uno de los grupos humanos que representan desafíos más grandes es el de los niños, debido a las dificultades para grabar suficientes recursos de habla, y la falta de caracterización de su forma de hablar, la cual es particular de cada idioma y acento. Este artículo presenta una primera aproximación para el análisis acústico de niños costarricenses de entre seis y doce años. Estos análisis tienen como objetivo lograr una mejor comprensión de las características del habla producida por este grupo en particular, en términos de propiciar el desarrollo y mejora de los reconocedores automáticos del habla y los sistemas de identificación del hablante. Para este propósito realizamos grabaciones de habla de tres niños, las cuales consistieron en palabras aisladas, y comparamos los resultados con tres adultos en términos de los formantes de las vocales. Los formantes proporcionan información sobre el tracto vocal del hablante, y es un parámetro importante para establecer un primer análisis de estas señales. Los resultados muestran diferencias notables entre los niños y los adultos y pueden brindar información útil para futuros estudios en términos de adaptar y desarrollar las tecnologías del habla para esta población.