The Information structure-prosody interface: on the role of hierarchical thematicity in an empirically-grounded model

Abstract

This dissertation presents an empirical study on the information structure– prosody interface based on: (i) a formal description of hierarchical thematicity within a systematic language model for natural language generation within the Meaning-Text Theory; and (ii) two approaches to prosodic representation, namely, ToBI labels and acoustic parameters. A corpus of read speech by twelve native speakers of American English is used to test the viability to approach prosody generation in synthesized speech from a communicative perspective. To this end, statistical, classification and implementation experiments are carried out. The main technical contribution consists in two tools: a data-driven module for thematicitybased prosody enrichment in a speech synthesizer and an automatic prosody tagger developed under an extension of Praat for feature annotation. Results prove that thematicity spans have distinct prosodic characteristics, as previously suggested in theoretical studies, and that a tripartite hierarchical thematicity is a more appropriate representation of information structure than traditional binary flat thematicity approaches for its integration in speech technologies.

Esta tesis presenta un estudio empírico de la interfaz estructura informativa– prosodia basado en: (i) una descripción formal de la tematicidad jerárquica que se enmarca en un modelo del lenguaje sistemático para la generación automática del lenguaje natural dentro del marco de la Teoría Sentido-Texto; y (ii) dos representaciones prosódicas utilizando etiquetas ToBI y parámetros acústicos. Se emplea un corpus de habla leída por doce hablantes nativos de inglés americano para comprobar la validez de la generación de prosodia en síntesis de voz a partir de características comunicativas. Con este objectivo, se presentan experimentos estadísticos, de clasificación y de implementación. La principal contribución técnica consiste en dos herramientas: un módulo basado en datos para el enriquecimiento prosódico de voz sintética a partir de la tematicidad y un etiquetador automático de prosodia implementado en una extensión de Praat para la anotación de características lingüísticas. Los resultados demuestran que los segmentos de tematicidad están caracterizados por rasgos prosódicos distintivos, como se había sugerido en estudios teóricos previos y que la tematicidad tripartita jerárquica es una representación más adecuada de la estructura informativa que las anteriores propuestas tradicionales de tematicidad binaria plana para su integración en las tecnologías del habla.