SlideShare a Scribd company logo
1 of 41
日本語母語話者の音韻知覚単位について:
モーラ数と持続時間長の関係
菅井康祐(近畿大学)
横川博一(神戸大学)
slideshare kosukesugai
ことばの科学会2020年11月度例会
本日の流れ
0. 研究の関心と本研究の位置づけ
1. 先行研究
2. 実験
3. 結果と分析
4. 考察
5. 結論
研究の関心と本研究の位置づけ
• 音声から音韻単位への知覚・認知
• 記憶と音声知覚単位の関係
• 英語学習者の知覚・理解における母語(
日本語)の影響(特に知覚単位)
ボトムアップ処理
音声→音素→音節→語→文と情報を積み上げる(?)
トップダウン処理
背景知識・文脈などから意味を類推する
複雑な処理を含む能力
研究の関心と本研究の位置づけ
それぞれの段階にもボトムアップ
トップダウン処理(門田,2018)
リスニング(音声言語処理)とは?
日本語 処理レベル 英語
「いい天気だ。」 文 “It’s a fine day.”
「いい」「天気」「
だ」
語
“it’s” “a” “fine” “
day”
「イ・イ・テ・ン・キ・タ
゙」
モーラ/音節 /its/ /ə/ /fɑɪn/ /deɪ/
/iitenkida/ 音素 /itsəfɑɪndeɪ/
音声
研究の関心と本研究の位置づけ
言語学的ボトムアップ処理
研究の関心と本研究の位置づけ
音声言語のボトムアップ処理の根本となる
unit(知覚単位)とは?
記憶の仕組みとの関連を考えると,持続時
間的要因(要素のduration)も関わるのでは
?
音韻単位・持続時間長の両面から知覚単位
の実態を探る。
1. 先行研究
1.1 音声言語処理とワーキングメモリ
ワーキングメモリ(作動記憶)とは
• STMとWMは同義で用いられることも多いが
,STMは単純な一時的な情報の貯蔵,WMは
貯蔵と操作と考える(Baddeley, 2012)
• 作動記憶と短期記憶は大きく異る概念だがシ
ステムとしての区別は難しい(齊藤,2000)
1.1 音声言語処理とワーキングメモリ
“My overall view of WM therefore comprised,
and still comprises, a relatively loose
theoretical framework rather than a precise
model that allows specific predictions.”
(Baddeley, 2012)
1.1 音声言語処理とワーキングメモリ
Baddeley (2000)
1.1 音声言語処理とワーキングメモリ
Phonological(音韻)Loop
内的に言語的リハーサル(反復:subvocal
reharsal)を行うことで,言語情報を一定期
間記憶にとどめておくしくみ。
文字言語も音韻ループで処理される。
1.1 音声言語処理とワーキングメモリ
(Baddeley, 1992; Gathercole and Baddeley, 1993より)
Phonological
Short-term store
Speech inputs
Subvocal
rehearsal
Non-speech Inputs
1.1 音声言語処理とワーキングメモリ
1.1 音声言語処理とワーキングメモリ
音韻ループの容量(スパン)について
• 音素(?)・モーラ・音節・語・句などを1つのチャン
クとし,7 ± 2チャンク(Miller, 1956)
• 4 ± 1チャンク(Cowan, 2005)
• 2秒間に調音できる長さ(Baddeley et al., 1975)
• 330 ms以内に連続する要素 7 ± 2(Perceptual
Sense Unit(PSU),河野, 1994)
1.2 音声言語の知覚単位
1.2 音声言語の知覚単位
知覚単位とは
音声を言語として処理するためのユニット
情報を積み上げるためのブロックのようなもの
1.2 音声言語の知覚単位
Mehler et al., (1981)
Syllable monitoring task
刺激語を音声提示
その語にターゲット音節が含まれるかを判断
解答率と反応時間を分析
語をどのように分節しているかが見られる
word type
CV word: “PA・lace”
CVC word: “PAL・mier”
標的音節が語の音節タ
イプと一致する場合に
RTが短くなる
1.2 音声言語の知覚単位
フランス語母語話者は音節を知覚単位とする
1.2 音声言語の知覚単位
• Cutler他(1986)イギリス英語話者を対象
• 語内の音節構造による差はない。
音節以外が知覚単位である可能性
• Otake他(1993)
CVNCV:/TANshi/
CVC(N)VCV: /TAnishi/
音節(CVN)ではなく
モーラに対して
反応が早くなっている
1.2 音声言語の知覚単位
モーラが知覚単位である可能性
1.2 音声言語の知覚単位
フランス語:音節
英語:音節以外(ストレス?)
日本語:モーラ
それぞれの言語におけるリズム単位が知覚
単位かも
1.2 音声言語の知覚単位
• 音素(?)・モーラ・音節・語・句などを1つのチャン
クとし,7 ± 2チャンク(Miller, 1956)
• 4 ± 1チャンク(Cowan, 2005)
• 2秒間に調音できる長さ(Baddeley et al., 1975)
• 330 ms以内に連続する要素 7 ± 2(Perceptual
Sense Unit (PSU),河野, 1994)
チャンク:知覚単位とは?
2. 実験
・音韻性STMのunitと容量の関係を探るこ
とで知覚単位(unit, チャンク)の操作的定
義を図る。
・unitを構成するのは1モーラなのか,2モ
ーラの可能性はないのか,速度も調整する
ことでその実態に迫る。
2.1 目的
RQ
日本語母語話者の音韻性STMにおいて
1. 刺激音(1モーラ)の持続時間長は短期記憶
容量に影響を及ぼす。
2. 刺激音(1モーラ)の持続時間長が短いと連
続する2モーラが知覚単位(unit)になる。
2.1 目的
RQ 2
刺激音が長くなれば(調音速度が下がれば)よ
り小さい音韻単位(1モーラ)がunitとなり,
刺激音の持続時間長が短くなればより大きな音
韻単位(2モーラ)がunitとなる(記憶できるユ
ニット数が増える)。
2.1 目的
実験参加者:日本語を母語とする大学生62名
日本語の母音を用いた音韻スパン課題
(提示された音韻をどれだけ記憶できるか)
WM測定で用いられるリスニングスパン課題だ
と,知覚以外の能力も含まれる可能性が高いの
でSTM測定として音韻スパン課題を使用
2.2 実験課題
変数1
各モーラの持続時間長(10)
(150, 170, 190, 210, 230, 250, 270, 290, 310, 330)
変数2 モーラ数(1 or 2)
それぞれの長さの課題を10個ずつ作成するため各母音2回×
長さで課題を作成。
(a150 x 2, i150 x 2, u150 x 2, e150 x 2, o150 x 2)
2.2 実験課題
刺激音:無意味なモーラ(母音)の連続
・1モーラ
|あ う |お え |い う |お あ |う え |
ISI 200 ms(全刺激間に置く)
・2モーラ
|あう |おえ |いう |おあ |うえ |
ISI 400 ms(区切り位置のみに置く)
※1モーラ課題・2モーラ課題| |の間の時間長をそろえる
ことで発話速度は同じになる。
2.2 実験課題
記憶課題指示
・「あ〜お」の音が10個1組で続けて聞こえます
(例:い・う・あ・え・お・い・あ・お・う・え)
・前から順番にできるだけ多くの音を覚えて下さい。
・「ピッ」という音が聞こえたら聞こえた順番に解答
用紙に仮名で記入して下さい。
・解答時間が短いので,書ける範囲でかまいません
・50組を2回実施します。
(前から連続で正解したものをスコアとする)
2.2 実験課題
3. 結果と分析
ANOVA table
—————————————————————————————
Source SS df MS F-ratio p-value p.eta^2 ——
———————————————————————————A(モー
ラ数) 14.1369 1 14.1369 7.2099 0.0073 ** 0.0059
B(モーラ長) 53.5795 9 5.9533 3.0362 0.0013 ** 0.0219
A x B 36.1018 9 4.0113 2.0458 0.0316 * 0.0149
—————————————————————————————
モーラ数,モーラ長ともに記憶数に有意に影響を及ぼす。
交互作用もあり(ただしすべて効果量は小さい)。
3. 結果と分析
3. 結果と分析
・210 msあたりま
ではスコアが上昇,
230上がりから下が
る。
・2モーラの方が有
意にスコアが高い。
150 ms
p = 0.004
170 ms
p = 0.029
RQ:日本語母語話者の音韻性STMにおいて
1. 刺激音(1モーラ)の持続時間長は短期記憶容量に影響を及ぼ
す。
→YES:150 -190 msで顕著。
なぜ長いもの(190)のほうが記憶しやすかったのかについては要
考察(150 ms,170 msだ単独のモーラとしては不自然だった可能
性もある?)。
230 ms以上で記憶数が下がるのは1つの音節が2モーラの長さの領
域に入るため認知負荷が高まる(230 – 270 msの間に1モーラと2モ
ーラの境界がある(Sugai, 2017))。
4. 考察
2. 刺激音(1モーラ)の持続時間長が短いと2モーラが知覚単位(
unit)になる。
→YES: 150・170 msのものについてはYes
2モーラが1つの知覚単位unitを形成しているため,記憶できるモーラ
数が多くなった可能性が高い。河野(1998他)のholisticな処理単位
(330 ms以下)との関連か。
4. 考察
日本語母語話者は,170 ms以下の音については連続する2モーラを
まとめて1つの知覚単位(unit)として知覚・記憶している可能性。
(230 ms以上の音については2モーラとして知覚されるという
Sugai(2017)のサポート。)
5. 結論
今後の課題
ISIと記憶容量の関係は?
unitが提示されるISIが長くなると,記憶容量は低下する?(発話速
度の影響)
日本語母語話者が英語を聞く際の知覚単位と英語母語話者の知覚単
位はどのように異なるのか。
5. 結論
解答用紙
資料
参考文献
Baddeley, A. (1992). Working memory. Science, 255: 556–559.
Cowan, N. (2001). The magical number 4 in short-term memory: A
reconsideration of mental storage capacity. Behavioral and Brain Sciences, 24,
87-185.
Cutler, A. (2012) Native Listening. MIT Press.
Cutler, A., Mehler, J., Norris, D., & Segui, J. (1986). The syllable’s differing role
in the segmentation of French and English. Journal of memory and language,
(25), 385–400. Retrieved from
http://www.sciencedirect.com/science/article/pii/0749596X86900331
Danamen, M., & Marikie, P. M. (1996). Working memory and language
comprehension: A meta-analysis. Psychonomic Bulletin & Review, 3(4), 422-
433. doi: 10.3758/BF03214546
Gathercole, S., and Baddeley, A.(1993) Phonological working memory: A
critical building block for reading development and vocabulary acquisition?
EUROPEAN JOURNAL OF PSYCHOLOGY OF EDUCATION, 8, 259-272.
Kimura, S. (1997). Hatsuwa sokudo to listening comprehension saiko. [Speech
rate and listening comprehension revisited]. Kotoba to Communication, 1, 60-
68.
参考文献
Kohno, M. (1990). Rizumuchikaku no mechanism to listening comprehension.
[Mechanisms in rhythm perception and listening comprehension].
(Monbushou juutenryouiki kenkyuu [nihongo onsei] seika houkokusho).
Kohno, M. (1994). Hanasikotoba no ninnsiki to seisei ni okeru rhythm no
yakuwari. [The role of rhythm on speech recognition and production].
(Monbushou juutenryouiki kenkyuu [nihongo onsei] seika houkokusho).
Kohno, M. (1998).Mora, onsetsu, rhythm no sinnrigenngogakuteki kousatu.
[Psycholinguistic consideration on mora, syllable, and rhythm].
Onseikenkyuu, 2(1), 16-24. Retrieved from
http://ci.nii.ac.jp/naid/110008762661
Matsuura, H., Chiba, R., Mahoney, S., & Rilling, S. (2014). Accent and speech
rate effects in English as a lingua franca. System 46, 143-150. doi:
10.1016/j.system.2014.07.015Miller, G.A. (1956). The magical number
seven, plus or minus two: Some limits on our capacity for processing
information. Psychological Review, 63, 81-97. doi: 10.1037/h0043158
Otake, T., Hatano, G., Cutler, A., & Mehler, J. (1993). Mora or Syllable?
Speech Segmentation in Japanese. Journal of Memory and Language, 32,
258–278. Retrieved from
http://www.sciencedirect.com/science/article/pii/S0749596X83710144
参考文献
Solé, M-J, Beddor, P. S., and Ohala, M. (2007). Experimental approaches to
phonology. Oxford: Oxford University Press.
Sugai, K. (2017). Mental representation of Japanese mora; Focusing on its
intrinsic duration. In Proceedings of the Annual Conference of the
International Speech Communication Association, INTERSPEECH (Vol.
2017-Augus). https://doi.org/10.21437/Interspeech.2017-1720
鈴木寿一・門田修平(2018).『英語リスニング指導ハンドブック』
東京:大修館書店

More Related Content

What's hot

自作かな漢字変換「Genji」をつくったよ
自作かな漢字変換「Genji」をつくったよ自作かな漢字変換「Genji」をつくったよ
自作かな漢字変換「Genji」をつくったよMasahiko Hashimoto
 
CTCに基づく音響イベントからの擬音語表現への変換
CTCに基づく音響イベントからの擬音語表現への変換CTCに基づく音響イベントからの擬音語表現への変換
CTCに基づく音響イベントからの擬音語表現への変換NU_I_TODALAB
 
[DL輪読会]Scalable Training of Inference Networks for Gaussian-Process Models
[DL輪読会]Scalable Training of Inference Networks for Gaussian-Process Models[DL輪読会]Scalable Training of Inference Networks for Gaussian-Process Models
[DL輪読会]Scalable Training of Inference Networks for Gaussian-Process ModelsDeep Learning JP
 
高速な倍精度指数関数expの実装
高速な倍精度指数関数expの実装高速な倍精度指数関数expの実装
高速な倍精度指数関数expの実装MITSUNARI Shigeo
 
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~Hideki Tsunashima
 
距離学習を導入した二値分類モデルによる異常音検知
距離学習を導入した二値分類モデルによる異常音検知距離学習を導入した二値分類モデルによる異常音検知
距離学習を導入した二値分類モデルによる異常音検知NU_I_TODALAB
 
G社のNMT論文を読んでみた
G社のNMT論文を読んでみたG社のNMT論文を読んでみた
G社のNMT論文を読んでみたToshiaki Nakazawa
 
喉頭摘出者のための歌唱支援を目指した電気音声変換法
喉頭摘出者のための歌唱支援を目指した電気音声変換法喉頭摘出者のための歌唱支援を目指した電気音声変換法
喉頭摘出者のための歌唱支援を目指した電気音声変換法NU_I_TODALAB
 
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)Shota Imai
 
日本語テキスト音声合成のための句境界予測モデルの検討
日本語テキスト音声合成のための句境界予測モデルの検討日本語テキスト音声合成のための句境界予測モデルの検討
日本語テキスト音声合成のための句境界予測モデルの検討Kosuke Futamata
 
ボイパの音をリアルタイムで解析してみる 〜リザバーコンピューティングを添えて〜
ボイパの音をリアルタイムで解析してみる 〜リザバーコンピューティングを添えて〜ボイパの音をリアルタイムで解析してみる 〜リザバーコンピューティングを添えて〜
ボイパの音をリアルタイムで解析してみる 〜リザバーコンピューティングを添えて〜SohOhara
 
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法CV分野におけるサーベイ方法
CV分野におけるサーベイ方法Hirokatsu Kataoka
 
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat ModelsDeep Learning JP
 
[読会]Long tail learning via logit adjustment
[読会]Long tail learning via logit adjustment[読会]Long tail learning via logit adjustment
[読会]Long tail learning via logit adjustmentshima o
 
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習Eiji Uchibe
 
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with TransformersDeep Learning JP
 
雑音環境下音声を用いた音声合成のための雑音生成モデルの敵対的学習
雑音環境下音声を用いた音声合成のための雑音生成モデルの敵対的学習雑音環境下音声を用いた音声合成のための雑音生成モデルの敵対的学習
雑音環境下音声を用いた音声合成のための雑音生成モデルの敵対的学習Shinnosuke Takamichi
 
Nakai22sp03 presentation
Nakai22sp03 presentationNakai22sp03 presentation
Nakai22sp03 presentationYuki Saito
 
ICASSP 2019での音響信号処理分野の世界動向
ICASSP 2019での音響信号処理分野の世界動向ICASSP 2019での音響信号処理分野の世界動向
ICASSP 2019での音響信号処理分野の世界動向Yuma Koizumi
 

What's hot (20)

自作かな漢字変換「Genji」をつくったよ
自作かな漢字変換「Genji」をつくったよ自作かな漢字変換「Genji」をつくったよ
自作かな漢字変換「Genji」をつくったよ
 
CTCに基づく音響イベントからの擬音語表現への変換
CTCに基づく音響イベントからの擬音語表現への変換CTCに基づく音響イベントからの擬音語表現への変換
CTCに基づく音響イベントからの擬音語表現への変換
 
[DL輪読会]Scalable Training of Inference Networks for Gaussian-Process Models
[DL輪読会]Scalable Training of Inference Networks for Gaussian-Process Models[DL輪読会]Scalable Training of Inference Networks for Gaussian-Process Models
[DL輪読会]Scalable Training of Inference Networks for Gaussian-Process Models
 
高速な倍精度指数関数expの実装
高速な倍精度指数関数expの実装高速な倍精度指数関数expの実装
高速な倍精度指数関数expの実装
 
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
 
距離学習を導入した二値分類モデルによる異常音検知
距離学習を導入した二値分類モデルによる異常音検知距離学習を導入した二値分類モデルによる異常音検知
距離学習を導入した二値分類モデルによる異常音検知
 
G社のNMT論文を読んでみた
G社のNMT論文を読んでみたG社のNMT論文を読んでみた
G社のNMT論文を読んでみた
 
ゲート方式量子コンピュータの概要
ゲート方式量子コンピュータの概要ゲート方式量子コンピュータの概要
ゲート方式量子コンピュータの概要
 
喉頭摘出者のための歌唱支援を目指した電気音声変換法
喉頭摘出者のための歌唱支援を目指した電気音声変換法喉頭摘出者のための歌唱支援を目指した電気音声変換法
喉頭摘出者のための歌唱支援を目指した電気音声変換法
 
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
 
日本語テキスト音声合成のための句境界予測モデルの検討
日本語テキスト音声合成のための句境界予測モデルの検討日本語テキスト音声合成のための句境界予測モデルの検討
日本語テキスト音声合成のための句境界予測モデルの検討
 
ボイパの音をリアルタイムで解析してみる 〜リザバーコンピューティングを添えて〜
ボイパの音をリアルタイムで解析してみる 〜リザバーコンピューティングを添えて〜ボイパの音をリアルタイムで解析してみる 〜リザバーコンピューティングを添えて〜
ボイパの音をリアルタイムで解析してみる 〜リザバーコンピューティングを添えて〜
 
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
 
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
 
[読会]Long tail learning via logit adjustment
[読会]Long tail learning via logit adjustment[読会]Long tail learning via logit adjustment
[読会]Long tail learning via logit adjustment
 
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習
 
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
 
雑音環境下音声を用いた音声合成のための雑音生成モデルの敵対的学習
雑音環境下音声を用いた音声合成のための雑音生成モデルの敵対的学習雑音環境下音声を用いた音声合成のための雑音生成モデルの敵対的学習
雑音環境下音声を用いた音声合成のための雑音生成モデルの敵対的学習
 
Nakai22sp03 presentation
Nakai22sp03 presentationNakai22sp03 presentation
Nakai22sp03 presentation
 
ICASSP 2019での音響信号処理分野の世界動向
ICASSP 2019での音響信号処理分野の世界動向ICASSP 2019での音響信号処理分野の世界動向
ICASSP 2019での音響信号処理分野の世界動向
 

Similar to 日本語母語話者の音韻知覚単位について: モーラ数と持続時間長の関係

日本語モーラの心理的実在再考 母音の単独提示による知覚実験
日本語モーラの心理的実在再考 母音の単独提示による知覚実験日本語モーラの心理的実在再考 母音の単独提示による知覚実験
日本語モーラの心理的実在再考 母音の単独提示による知覚実験Kosuke Sugai
 
2019LET九州沖縄講演資料
2019LET九州沖縄講演資料2019LET九州沖縄講演資料
2019LET九州沖縄講演資料Kosuke Sugai
 
応用を視野に入れながらの基礎研究:音声知覚からリスニングへ
応用を視野に入れながらの基礎研究:音声知覚からリスニングへ応用を視野に入れながらの基礎研究:音声知覚からリスニングへ
応用を視野に入れながらの基礎研究:音声知覚からリスニングへKosuke Sugai
 
英語リスニング研究最前線:実験音声学からのアプローチ
英語リスニング研究最前線:実験音声学からのアプローチ英語リスニング研究最前線:実験音声学からのアプローチ
英語リスニング研究最前線:実験音声学からのアプローチKosuke Sugai
 
統計的音声合成変換と近年の発展
統計的音声合成変換と近年の発展統計的音声合成変換と近年の発展
統計的音声合成変換と近年の発展Shinnosuke Takamichi
 
音読のバリエーションに応じた音声編集(関西英語教育学会 2016年度(第21回)研究大会 企画ワークショップ第2室)
音読のバリエーションに応じた音声編集(関西英語教育学会 2016年度(第21回)研究大会 企画ワークショップ第2室)音読のバリエーションに応じた音声編集(関西英語教育学会 2016年度(第21回)研究大会 企画ワークショップ第2室)
音読のバリエーションに応じた音声編集(関西英語教育学会 2016年度(第21回)研究大会 企画ワークショップ第2室)Kosuke Sugai
 
テキスト音声合成技術と多様性への挑戦 (名古屋大学 知能システム特論)
テキスト音声合成技術と多様性への挑戦 (名古屋大学 知能システム特論)テキスト音声合成技術と多様性への挑戦 (名古屋大学 知能システム特論)
テキスト音声合成技術と多様性への挑戦 (名古屋大学 知能システム特論)Shinnosuke Takamichi
 
外国語としての音声言語理解とワーキングメモリ
外国語としての音声言語理解とワーキングメモリ外国語としての音声言語理解とワーキングメモリ
外国語としての音声言語理解とワーキングメモリKosuke Sugai
 
講演音声におけるフィラーの出現傾向と個人性に関する分析 (日本音声学会第35回研究大会)
講演音声におけるフィラーの出現傾向と個人性に関する分析 (日本音声学会第35回研究大会)講演音声におけるフィラーの出現傾向と個人性に関する分析 (日本音声学会第35回研究大会)
講演音声におけるフィラーの出現傾向と個人性に関する分析 (日本音声学会第35回研究大会)Yuta Matsunaga
 
日本語スピーキングテストSJ-CATの開発
日本語スピーキングテストSJ-CATの開発日本語スピーキングテストSJ-CATの開発
日本語スピーキングテストSJ-CATの開発Ken IshiKen
 
心理言語実験の課題統制について:音声・音韻の側面から
心理言語実験の課題統制について:音声・音韻の側面から心理言語実験の課題統制について:音声・音韻の側面から
心理言語実験の課題統制について:音声・音韻の側面からKosuke Sugai
 
深層学習を用いた文生成モデルの歴史と研究動向
深層学習を用いた文生成モデルの歴史と研究動向深層学習を用いた文生成モデルの歴史と研究動向
深層学習を用いた文生成モデルの歴史と研究動向Shunta Ito
 
#VRSionUp!6 特集「先端ボイチェン研究」Slideshare公開版
#VRSionUp!6 特集「先端ボイチェン研究」Slideshare公開版#VRSionUp!6 特集「先端ボイチェン研究」Slideshare公開版
#VRSionUp!6 特集「先端ボイチェン研究」Slideshare公開版GREE VR Studio Lab
 
英語学習者のための発話自動採点システムの開発.
英語学習者のための発話自動採点システムの開発.英語学習者のための発話自動採点システムの開発.
英語学習者のための発話自動採点システムの開発.Yutaka Ishii
 
SLP201805: 日本語韻律構造を考慮した prosody-aware subword embedding とDNN多方言音声合成への適用
SLP201805: 日本語韻律構造を考慮した prosody-aware subword embedding とDNN多方言音声合成への適用SLP201805: 日本語韻律構造を考慮した prosody-aware subword embedding とDNN多方言音声合成への適用
SLP201805: 日本語韻律構造を考慮した prosody-aware subword embedding とDNN多方言音声合成への適用Shinnosuke Takamichi
 
R015 田原俊司・朴媛叔・伊藤武彦 (1987). 韓国語単文理解における主題助詞と主格助詞の動作主性とその発達:日本語の助詞ハとガとの比較 教育心理学...
R015 田原俊司・朴媛叔・伊藤武彦 (1987). 韓国語単文理解における主題助詞と主格助詞の動作主性とその発達:日本語の助詞ハとガとの比較 教育心理学...R015 田原俊司・朴媛叔・伊藤武彦 (1987). 韓国語単文理解における主題助詞と主格助詞の動作主性とその発達:日本語の助詞ハとガとの比較 教育心理学...
R015 田原俊司・朴媛叔・伊藤武彦 (1987). 韓国語単文理解における主題助詞と主格助詞の動作主性とその発達:日本語の助詞ハとガとの比較 教育心理学...Takehiko Ito
 
日本語音声合成のためのsubword内モーラを考慮したProsody-aware subword embedding
日本語音声合成のためのsubword内モーラを考慮したProsody-aware subword embedding日本語音声合成のためのsubword内モーラを考慮したProsody-aware subword embedding
日本語音声合成のためのsubword内モーラを考慮したProsody-aware subword embeddingShinnosuke Takamichi
 
プレゼン研修会20121018
プレゼン研修会20121018プレゼン研修会20121018
プレゼン研修会20121018義広 河野
 
リスニング訓練法としての シャドーイングとリピーティング
リスニング訓練法としての シャドーイングとリピーティングリスニング訓練法としての シャドーイングとリピーティング
リスニング訓練法としての シャドーイングとリピーティングKosuke Sugai
 

Similar to 日本語母語話者の音韻知覚単位について: モーラ数と持続時間長の関係 (20)

日本語モーラの心理的実在再考 母音の単独提示による知覚実験
日本語モーラの心理的実在再考 母音の単独提示による知覚実験日本語モーラの心理的実在再考 母音の単独提示による知覚実験
日本語モーラの心理的実在再考 母音の単独提示による知覚実験
 
2019LET九州沖縄講演資料
2019LET九州沖縄講演資料2019LET九州沖縄講演資料
2019LET九州沖縄講演資料
 
応用を視野に入れながらの基礎研究:音声知覚からリスニングへ
応用を視野に入れながらの基礎研究:音声知覚からリスニングへ応用を視野に入れながらの基礎研究:音声知覚からリスニングへ
応用を視野に入れながらの基礎研究:音声知覚からリスニングへ
 
英語リスニング研究最前線:実験音声学からのアプローチ
英語リスニング研究最前線:実験音声学からのアプローチ英語リスニング研究最前線:実験音声学からのアプローチ
英語リスニング研究最前線:実験音声学からのアプローチ
 
統計的音声合成変換と近年の発展
統計的音声合成変換と近年の発展統計的音声合成変換と近年の発展
統計的音声合成変換と近年の発展
 
音読のバリエーションに応じた音声編集(関西英語教育学会 2016年度(第21回)研究大会 企画ワークショップ第2室)
音読のバリエーションに応じた音声編集(関西英語教育学会 2016年度(第21回)研究大会 企画ワークショップ第2室)音読のバリエーションに応じた音声編集(関西英語教育学会 2016年度(第21回)研究大会 企画ワークショップ第2室)
音読のバリエーションに応じた音声編集(関西英語教育学会 2016年度(第21回)研究大会 企画ワークショップ第2室)
 
テキスト音声合成技術と多様性への挑戦 (名古屋大学 知能システム特論)
テキスト音声合成技術と多様性への挑戦 (名古屋大学 知能システム特論)テキスト音声合成技術と多様性への挑戦 (名古屋大学 知能システム特論)
テキスト音声合成技術と多様性への挑戦 (名古屋大学 知能システム特論)
 
外国語としての音声言語理解とワーキングメモリ
外国語としての音声言語理解とワーキングメモリ外国語としての音声言語理解とワーキングメモリ
外国語としての音声言語理解とワーキングメモリ
 
講演音声におけるフィラーの出現傾向と個人性に関する分析 (日本音声学会第35回研究大会)
講演音声におけるフィラーの出現傾向と個人性に関する分析 (日本音声学会第35回研究大会)講演音声におけるフィラーの出現傾向と個人性に関する分析 (日本音声学会第35回研究大会)
講演音声におけるフィラーの出現傾向と個人性に関する分析 (日本音声学会第35回研究大会)
 
日本語スピーキングテストSJ-CATの開発
日本語スピーキングテストSJ-CATの開発日本語スピーキングテストSJ-CATの開発
日本語スピーキングテストSJ-CATの開発
 
心理言語実験の課題統制について:音声・音韻の側面から
心理言語実験の課題統制について:音声・音韻の側面から心理言語実験の課題統制について:音声・音韻の側面から
心理言語実験の課題統制について:音声・音韻の側面から
 
深層学習を用いた文生成モデルの歴史と研究動向
深層学習を用いた文生成モデルの歴史と研究動向深層学習を用いた文生成モデルの歴史と研究動向
深層学習を用いた文生成モデルの歴史と研究動向
 
#VRSionUp!6 特集「先端ボイチェン研究」Slideshare公開版
#VRSionUp!6 特集「先端ボイチェン研究」Slideshare公開版#VRSionUp!6 特集「先端ボイチェン研究」Slideshare公開版
#VRSionUp!6 特集「先端ボイチェン研究」Slideshare公開版
 
英語学習者のための発話自動採点システムの開発.
英語学習者のための発話自動採点システムの開発.英語学習者のための発話自動採点システムの開発.
英語学習者のための発話自動採点システムの開発.
 
SLP201805: 日本語韻律構造を考慮した prosody-aware subword embedding とDNN多方言音声合成への適用
SLP201805: 日本語韻律構造を考慮した prosody-aware subword embedding とDNN多方言音声合成への適用SLP201805: 日本語韻律構造を考慮した prosody-aware subword embedding とDNN多方言音声合成への適用
SLP201805: 日本語韻律構造を考慮した prosody-aware subword embedding とDNN多方言音声合成への適用
 
1 3-2
1 3-21 3-2
1 3-2
 
R015 田原俊司・朴媛叔・伊藤武彦 (1987). 韓国語単文理解における主題助詞と主格助詞の動作主性とその発達:日本語の助詞ハとガとの比較 教育心理学...
R015 田原俊司・朴媛叔・伊藤武彦 (1987). 韓国語単文理解における主題助詞と主格助詞の動作主性とその発達:日本語の助詞ハとガとの比較 教育心理学...R015 田原俊司・朴媛叔・伊藤武彦 (1987). 韓国語単文理解における主題助詞と主格助詞の動作主性とその発達:日本語の助詞ハとガとの比較 教育心理学...
R015 田原俊司・朴媛叔・伊藤武彦 (1987). 韓国語単文理解における主題助詞と主格助詞の動作主性とその発達:日本語の助詞ハとガとの比較 教育心理学...
 
日本語音声合成のためのsubword内モーラを考慮したProsody-aware subword embedding
日本語音声合成のためのsubword内モーラを考慮したProsody-aware subword embedding日本語音声合成のためのsubword内モーラを考慮したProsody-aware subword embedding
日本語音声合成のためのsubword内モーラを考慮したProsody-aware subword embedding
 
プレゼン研修会20121018
プレゼン研修会20121018プレゼン研修会20121018
プレゼン研修会20121018
 
リスニング訓練法としての シャドーイングとリピーティング
リスニング訓練法としての シャドーイングとリピーティングリスニング訓練法としての シャドーイングとリピーティング
リスニング訓練法としての シャドーイングとリピーティング
 

日本語母語話者の音韻知覚単位について: モーラ数と持続時間長の関係

Editor's Notes

  1. ・音声言語は、そのままの形でphonological short-term storeに蓄えられる(受動的機能)  約2秒で消失する ・文字言語などはsubvocal rehearsalにおいて内的に反復しながら保持する(能動的機能)