Frecuencias de las secuencias silábicas para la verificación de hablantes en transcripciones de audios

La comparación forense de hablantes utiliza varios métodos de análisis, algunos basados en atributos fisiológicos de la voz. Sin embargo, la calidad del audio puede afectar la precisión de las mediciones segmentales y suprasegmentales debido a factores adversos.

Este estudio propone un enfoque centrándose en las secuencias silábicas de las transcripciones de las grabaciones. El método se basa en el Efecto de Frecuencia de Sílabas, que demuestra la existencia del Silabario Mental con eficiencia diferencial por frecuencia silábica. Al representar el habla espontánea por las transiciones de frecuencias de las sílabas, se codifica el acceso eficiente al Silabario Mental de cada hablante, determinado por factores individuales y colectivos.

Para verificar esta hipótesis, se construyó un sistema de verificación de hablantes basado en esta representación, usando regresión logística, frecuencias silábicas de Twitter (ahora X) y muestras de habla de los conjuntos de datos AusEng500 y ForVoice120. Los resultados superaron ampliamente los métodos basados en transcripciones de audios y fueron comparables con métodos de audio y aprendizaje profundo. Además, a diferencia de los modelos no interpretables del estado del arte, se presentó una visualización de "firmas de transiciones espectrales silábicas" que puede diferenciar hablantes a simple vista.

Concluimos que la representación del habla espontánea mediante transiciones espectrales silábicas es útil para construir sistemas de verificación forense de hablantes de alto rendimiento, y que las "firmas de transiciones espectrales silábicas" abren una nueva perspectiva para la admisibilidad judicial de pruebas lingüísticas.