Xenophones: An investigation of phone set expansion in Swedish and implications for speech recognition and speech synthesis

In recent years, both automatic speech recognition (ASR) and text-to-speech (TTS) conversion systems have attained quality levels that allow inclusion in everyday applications. One remaining problem to be solved in both these types of applications is that alleged phone inventories of specific languages are commonly expanded with phones from other languages, a problem that becomes the more acute in an increasingly internationalized world where multilingual automatic speech-based services are a desideratum. This paper investigates the nature of phone set expansion in Swedish. The status of these phones is discussed, and since such added phones do not have a phonemic (or allophonic) function, the term 'xenophones' is suggested. The analysis is based on a production study involving 491 subjects, and the observed xenophonic expansion is described in terms of three categories along the " awareness " and the " fidelity " dimensions. The results show that very few subjects resort to full rephonematization and that xenophonic expansion is the rule, although there is an uneven distribution depending on particular phones, spanning from phones produced by most subjects, to phones produced by almost no subjects. Of the possible explanatory factors analyzed—regional background, gender, age and educational level—the latter is by far the most important. sie keine phonematische (oder allophonische) Funktion haben, wird der Terminus " Xenophon " vorgeschlagen. Die Analyse gründet sich auf eine Produktionsstudie mit 491 Informanten, und der beobachtete Xenophonausbau wird in drei Kategorien entlang der Dimensionen " Bewusstheit " und " Getreue " beschrieben. Die Ergebnisse zeigen, dass sehr wenige Informanten auf vollständige Rephonematisierung zurückgreifen und dass Xenophonausbau die Regel ist, aber die Verbreitung der einzelnen Phone ist ungleichmäßig und erstreckt sich von solchen, die die meisten bis zu solchen, die fast keine Sprecher produzieren. Von den möglichen Erklärungsfaktoren, die analysiert wurden – regionale Herkunft, Geschlecht, Alter und Bildungsgrad, ist der letztere bei weitem der wichtigste. 4 Resumé Au cours de ces dernières années, les systèmes de reconnaissance automatique de la parole ainsi que les systèmes de synthèse de la parole à partir du texte ont atteint une qualité leur permettant d'être intégrés à des applications quotidiennes. Un problème demeure cependant quant à ces applications, à savoir, l'expansion fréquente des inventaires de phones d'une langue spécifique à des phones issus d'autres langues, problème d'autant plus important dans un monde où les services automatisés de la parole multilingues sont un souhait. Cet article examine la nature de l'expansion des phones …