对话角色对语音 AI 和人类对话者语音对齐的影响 标题:角色和对话者影响对齐 Georgia Zellou、Michelle Cohn 和 Tyler Kline 语音实验室,加利福尼亚大学戴维斯分校语言学系 469 Kerr Hall,One Shields Ave.,戴维斯,CA 95616,美国 通讯作者电子邮件:gzellou@ucdavis.edu 摘要 两项研究调查了对话角色对人类和语音 AI 对话者语音模仿的影响。在单词列表任务中,给予者指示接收者将单词放在两个列表中的哪一个上;这个对话任务类似于用户与语音 AI 系统进行的简单口头交互。在地图任务中,参与者与对话者一起完成填空工作表,这是一项更复杂的交互任务。参与者与两个对话者完成了两次任务,一次作为信息提供者,一次作为信息接收者。通过相似性评级评估语音对齐,并使用混合效应逻辑回归进行分析。在单词列表任务中,参与者在更大程度上仅与人类对话者保持一致。在地图任务中,仅作为给予者的参与者更多地与人类对话者保持一致。结果表明,语音对齐由对话者的类型介导,并且对话角色的影响因任务和对话者而异。关键词:语音对齐、语音-AI、人机交互、对话角色
收到:接受:3/24/2021接受:6/2/2021发布:6/24/2021摘要。本文致力于研究现代英语单词形成的语言经济原理。最有生产力的单词形成方式被突出显示,说明了语言压缩主格单位的趋势。在英语单词形成系统中,保存语音的最有效方法是词缀单词形成,单词组成和转换。由于这些单词形成方法的巨大潜力,英语的词汇具有诸如词汇,功能和经济的丰富性。这项研究的主要目的是通过以长度和生成单词深度的概念为代表的单词形成模型来考虑现代英语中的单词形成原理。本文的作者通过考虑“精神能量”,“形成单词的能量”和“发音能量”的思想来探讨经济原则的机制。有一些试图回答的问题;经济原则如何用英语(其词形成)起作用?现代英语中的单词形成的重要模型是什么?的发现表明,英语的单词形成中存在主动过程,这可能会导致新单词的形成而不会改变生成术语的长度和深度,从而扩大了单词组成和转换的可能性。
要将神经序列模型(例如变形金刚)应用于音乐发电任务,必须通过一系列有限的代币来代表一段音乐。这样的词汇通常涉及各种类型的令牌。例如,要描述音符,一个人需要单独的令牌来指示音符的音高,持续时间,速度(动态)和放置时间(起始时间)。虽然不同类型的令牌可能具有不同的适当性,但现有模型通常以与自然语言建模单词相同的方式对待它们。在本文中,我们提出了一种概念上不同的方法,该方法明确考虑了令牌的类型,例如注释类型和度量标准类型。,我们提出了一种新的变压器解码器 - 使用不同的馈送头来建模不同类型的kens。通过扩展压缩技巧,我们通过对相邻令牌进行分组,大大降低了令牌序列的长度,从而将一段音乐转换为一系列复合单词。我们表明,在动态有向超图中,可以将结果模型视为学习者。,我们采用它来学会创作全面的长度长度(每首歌曲最多涉及10k个个人to-kens)的表现力的流行钢琴音乐,无论是有条件地和无条件的)。我们的实验表明,与最先进的模型相比,所提出的模型在训练时收敛了5至10倍(即,在一天的GPU上,在具有11 GB内存的单个GPU上),并且在生成的音乐中具有可比的质量。
这项研究的目的是观察基于单词想象的原始EEG信号的独立组件分析(ICA)方法的有效性,该方法将用于无言语的单词分类。脑电图(EEG)信号是当某人进行活动(例如睡觉,思维或其他体育活动)时代表人脑的电活动的信号。eeg数据基于用于研究的想象力一词,伴随着肌肉运动,来自肌肉运动,心跳,眼睛眨眼,电压等。在先前的研究中,ICA方法已被广泛使用且有效地缓解生理伪像。伪像的信号比(ASR)用于测量ICA在本研究中的有效性。如果比率越大,则ICA方法被认为有效地清除了脑电图数据中的噪声和伪影。基于实验,从14个电极上获得的11个受试者获得的ASR值在0,910至1,080的范围内。因此,可以得出结论,ICA可有效根据单词想象从EEG信号中删除伪像。
当健康素养,最后一次接种疫苗和将来接种疫苗的开放性之间存在直接联系。自我报告的健康素养较高的受访者最近更有可能收到一种疫苗,并且更容易接受将来接受疫苗。白色,高收入,年龄较大和郊区的消费者在这些指标上的趋势更高。调查发现,基于种族,社会经济地位,年龄和环境(例如,城市,郊区,农村)的健康和健康素养差异。
手稿标题第1页。手稿标题(最大50个单词):Netdi:阐明基于单词生产的动力和动态大脑网络的作用2.缩写标题(最大50个字符):功率的作用,网络特征在单词生产中3。作者的姓名和隶属关系按顺序出现在已发表的文章中:(1)Sudha Yellapantula [A](2)Kiefer Forseth [B](3)Nitin Tandon [B](4)Behnaam Aazhang [A]健康,德克萨斯州休斯顿,77005,美国4。作者贡献:SY,NT,BA设计研究; SY进行了研究; SY,BA贡献了分析工具; SY,KF分析数据; SY,KF,NT,BA撰写了论文。5。信件应解决(包括电子邮件地址):sudha yellapantula(sudha@rice.edu)
单词含义不仅仅是字典中的条目。它涉及大量的知识,这些知识将人们遇到的场景和经历(即,丰富的百科全书知识)(即适当地适用这个词(即男孩很生气),其他单词的组合以及词出现的语法结构。单词的含义因情况而异以及使用上下文各不相同。例如,用来描述蚊子,鲸鱼或行星时,“小”一词意味着不同的东西。与小小相关的属性在上下文依赖性方面有所不同:有必要知道单词的含义,但也必须知道所使用的上下文,以及如何结合单词以构建含义(Medin&Shoben,1988)。
研究人类智力的核心组成部分 - 我们结合单词含义的能力 - 神经科学家寻找含义构成的神经相关性,例如与理解句子的难度成正比的大脑活动。但是,对大脑中的含义成分的产物知之甚少,这是单词超出其个人含义的综合含义。我们将该产品称为“ supra-word含义”,并通过使用最新的神经网络算法和一种新技术来设计其计算表示形式,从而将组成的新技术与个人字含义分开。使用功能性磁共振成像,我们发现在双侧前和后颞叶中处理上词的含义。令人惊讶的是,我们无法检测到磁脑摄影中的上文含义。这些结果表明,组成的含义是通过不包括同步细胞填充的不同神经机制来维持的。敏感性的这种差异对过去神经影像学和未来的神经影像学研究具有影响。