Dokumentation zur Alinierung von schweizerdeutschen Dialektaufnahmen mit vorhandener Transkription Hanna Ruch und Anne Goehring

Transkript

1 Dokumentation zur Alinierung von schweizerdeutschen Dialektaufnahmen mit vorhandener Transkription Hanna Ruch und Anne Goehring Allgemeines Was bedeutet "Alinierung"? Bei der automatischen Alinierung werden die Laute (üblicherweise Phoneme), die in der Transkription vorkommen, den Lauten (Segmenten) im akustischen Signal zugeordnet. Input sind also Text und das akustische Signal, Output ist ein File, das die Segmente und deren zeitlichen Anfangs- und Endpunkt enthält. Der Output kann in Form von einem TextGrid (für die Weiterbearbeitung in Praat) oder in Form von EMU- Files (für die Weiterverarbeitung in EMU) erfolgen. Warum alinieren? Für viele linguistische Forschungsprojekte - insbesondere solche mit einer phonetisch/phonologischen Fragestellung - reicht eine reine Transkription des Gesprochenen nicht aus, denn sobald das akustische Signal (z.b. zur Analyse von Vokalqualität, Stimmqualität, F0- Verlauf, Pausendauer, Sprechgeschwindigkeit etc.) ebenfalls untersucht werden soll, ist eine mit der Aufnahme alinierte Transkription erforderlich. Im Idealfall wurde bereits bei der Transkription diese Alinierung erstellt, z.b. auf Turn-, Phrasen- oder Wortebene. Falls dies nicht gemacht wurde, ist eine nachträgliche Alinierung möglich, beispielsweise mit MAuS. Was ist MAuS bzw. WebMAUS? MAuS (Munich Automatic Segmentation System) ist ein Softwarepaket, mit dem die Alinierung zwischen Sound und Transkription (forced alignment) automatisch vorgenommen werden kann. So kann man viel Zeit sparen, denn eine phonetische Segmentation ist sehr zeitaufwändig. WebMAUS ist der entsprechende Webservice von MAuS. Beide Services wurden am IPS München entwickelt. Bei WebMAUS sind weitere Input- und Output- Formate sind ebenfalls möglich; siehe: muenchen.de/baswebservices/ - /help Was braucht man, um vorhandene Transkriptionen mit Audiodaten alinieren zu können? das Audiofile (.wav) die zugehörige Transkription (.txt,.xml oder.docx) das Terminal, um die Skripts laufen zu lassen und ein.par- File zu generieren Internet, um die automatische Segmentierung vorzunehmen Grundsätzlich gibt es zwei Möglichkeiten, wie der Text mit dem zugehörigen Soundfile aliniert werden kann: - Online mit WebMAUS - lokal mit MAuS 1

2 Für die lokale Alinierung ist Linux erforderlich sowie die Installation von MAuS auf dem eigenen Rechner, siehe muenchen.de/bas/basmaus.html. Möglichkeiten bei WebMAUS: 1) WebMAUS Basic: Aliniert eine orthographische Transkription (.txt) mit dem zugehörigen Soundfile (.wav). Funktioniert nur für bestimmte Sprachen (u.a. Deutsch, Englisch, Italienisch, Finnisch, Ungarisch, Holländisch, Polnisch). 2) WebMAUS General: Aliniert eine phonologische Transkription (.par) mit dem zugehörigen Soundfile (.wav). Die Transkription muss in phonologischer Form und einer vorgegebenen Formatierung (BAS- Partitur- File, muenchen.de/bas/basformatseng.html) vorliegen, sonst funktioniert es nicht. Diesen Service gibt es für Deutsch, Englisch, Finnisch, Ungarisch, Italienisch, Georgisch, Polnisch, Spanisch, Portugiesisch und Holländisch. Wenn man Files aus einer anderen Sprache mausen will, dann muss man die sprachunabhängige Version 'SAMPA' verwenden. Es kann jeweils ein.wav- mit einem.par- File gemaust werden; die Dateinamen können beliebig sein. 3) WebMAUS Multiple: Wie WebMAUS General, aber hier können mehrere File- Paare auf einmal hochgeladen und verarbeitet werden. Voraussetzung ist, dass die Files eines Paars (also Sound mit zugehöriger Transkription) denselben Dateinamen (z.b. gespraech1.wav, gespraech1.par) haben. WebMAUS Multiple kann auch für die Alinierung einer orthographischen Transkription mit ihrem Soundfile verwendet werden. In diesem Fall muss man die orthographische Transkription (z.b. gespraech1.txt) und das zugehörige Soundfile (gespraech1.wav) hochladen. Diese Option funktioniert für Deutsch, Englisch, Finnisch, Estnisch, Ungarisch, Holländisch, Italienisch und Polnisch. Vorgehen für schweizerdeutsche Aufnahmen, die in der Dieth- Schrift transkribiert wurden 1) Konvertierung der Transkription von Dieth nach SAMPA 2) Konvertieren der Transkription in das.par- Format (BAS- Partitur- File) 3) Kontrollieren.wav: Länge, Grösse, Sample- Rate a. Für Dialoge funktionieren bis ca. 10- minütige Aufnahmen gut, für Monologe evtl. auch längere b. Sample- Rate sollte nicht kleiner sein als Hz c. Mögliche Grösse von Files, die hochgeladen werden können, ist momentan begrenzt auf 200 MB pro File. Je grösser das File, desto länger dauert das Hochladen und Verarbeiten auf WebMAUS. 4) Konvertieren des.wav- Files, falls nötig (in Audacity, Praat oder im Terminal mit SoX, a. Die Sampling- Rate des Soundfiles muss zuoberst im.par- File korrekt angegeben werden! 5) Hochladen des.wav- und.par- Files bzw. der Paare auf WebMAUS: muenchen.de/baswebservices/ - /services/webmausmultiple 6) Gewünschte Einstellungen wählen 2

3 Für eine schweizerdeutsche Aufnahme aus Archimob mit Transkription und Ausgabe als TextGrid mit je einer Ebene (Tier) für die orthographische, die kanonische und die phonetische Segmentation und Ausgabe in SAMPA müssen folgende Optionen angewählt werden: Wird eine Ausgabe in IPA- Zeichen gewünscht, muss "Outipa = true" gewählt werden. 7) Den grünen 'Run'- Button drücken und Ergebnis als.zip herunterladen. Erläuterungen Orthographische Transkription - > kanonische Transkription Für einige Sprachen wird die orthographische Transkription regelbasiert (nach den phonologischen Regeln der entsprechenden Sprache) in eine kanonische Transkription konvertiert, d.h., in die erwartete Aussprache. Ist diese Funktion für eine Sprache nicht implementiert, muss dieser Schritt im Vorfeld selber durchgeführt werden Für schweizerdeutsche Daten, die nach Dieth transkribiert wurden, erfolgt dies mit einem Skript, das die Dieth- Grapheme durch SAMPA- Zeichen ersetzt (durch Lookup im Mapping Dieth- SAMPA) SAMPA Phonetische Schrift, die mit ASCII- Zeichen geschrieben werden kann. Sie basiert auf einer Teilmenge des IPA. 3

4 Mapping Dieth- Sampa Da die Dieth- Umschrift keine rein phonetische Schrift ist, sondern eine Annäherung daran mit Anlehnung an die Orthographie des Standarddeutschen, kann keine 1- zu- 1- Konvertierung der Zeichen stattfinden. Die SAMPA- Umschrift, die man durch Konvertierung mit dem Skript erhält, ist also nicht phonetisch und kann Ungenauigkeiten enthalten! Ebenfalls ist zu bedenken, dass die Transkription enger oder weiter sein kann, und von der Person, die transkribiert hat (bzw. deren Dialekt) beeinflusst wurde. Die Dieth- Umschrift erfolgt häufig systemabhängig, d.h. ein und dasselbe wortmediale <e> entspricht im Zürichdeutschen einem eher geschlossenen, im Berndeutschen einem offenen e. Die SAMPA- Version der Transkription kann nur so genau sein, wie es die ursprüngliche Transkription (Dieth) ist! Das Mapping Dieth- SAMPA kann angepasst werden, je nach Bedürfnissen des Forschenden, des Dialekts des Sprechers, etc. Schneiden langer Soundfiles Die Alinierung langer Soundfiles (z.b. von ca. 60 min) funktioniert deutlich besser, wenn sie in kleinere Teile (von z.b. 10 min) geschnitten werden. In diesem Fall muss aber nicht nur das Soundfile, sondern auch die Transkription geschnitten werden. Die maximale Datenmenge in WebMAUS beträgt 20MB; dies entspricht ca. 10 min einer Audiodatei mit einer Sample- Rate von Hz und Sample- Grösse von 16 Bits (2 Bytes): 20MB/(2B*16MHz) = 625 sec = 10:25 min Schneiden der Transkription zu einem langen Soundfile (Unix- Befehle: siehe README : Alignment steps) Partitur.par aus einer Transkription erzeugen Beispiel einer Partitur- Datei mit ORT, KAN und SPK: SAM: ORT: 0 das ORT: 1 isch ORT: 2 es ORT: 3 gschpro o ch ORT: 4 zwüschsched ORT: 5 de ORT: 6 vreeni KAN: 0 d a s KAN: 1 i S KAN: 2 e s KAN: 3 g S p r 9: x KAN: 4 ts v y S S e d KAN: 5 d e KAN: 6 f r e: n i 4

5 SPK: 0:25 i SPK: 26:34 g Zeitstempel in Partitur- Datei einfügen 1. Partitur- Datei.par in einem Text- Editor öffnen 2. Entsprechende Teil- Audiodatei.wav z.b. in Praat öffnen 3. Sich Ausschnitt am Ende jeder Teildatei anhören und passende Stelle im ORT- Teil der Partitur suchen 4. Zeitstempel setzen; hier ein Beispiel: ORT: 1500 soo ORT: 1501 gschìcht ORT: 1502 gchää [10:00] ORT: 1503 und ORT: 1504 und ORT: 1505 ehm 5. Bei Unsicherheit Anfang der nächsten wav- Teildatei abspielen 6. Letzten Zeitstempel nach dem letzten ORT (vor KAN) der letzten Teildatei ORT: gliichfals [90:00] KAN: 0 <usb> Skript- Paket zum Mausen schweizerdeutscher Aufnahmen (leider) nur für Unix ähnliche Systeme Inhalt o README mit Auflistung aller Dateien, Installations- und Durchführungsanweisungen o Skripte/Programme für die Konvertierung der Transkriptionen in Partituren, Aufschneiden von längeren Aufnahmen/Partituren, Alinierung von Aufnahmen mit Partituren o verschiedene Abbildungen von Dieth- Umschrift nach SAMPA o Beispieldaten Erhältlich unter:??? klipmaus.zip Literatur Dieth, E. (1986). Schwyzertütschi Dialäktschrift: Dieth- Schreibung. Aarau: Sauerländer. Kisler, T., Schiel, F., Sloetjes, H. (2012). Signal processing via web services: the use case WebMAUS. In: Proceedings Digital Humanities 2012, Hamburg, Germany, Schiel, F. (1999). Automatic Phonetic Transcription of Non- Prompted Speech. In: Proceedings of the ICPhS, San Francisco, USA,