SEGMENTAZIONE SEMI-AUTOMATICA DEL PARLATO MEDIANTE APPLICAZIONE DI UN MODELLO DEL SISTEMA UDITIVO PERIFERICO

Transcript

1 SEGMENTAZIONE SEMI-AUTOMATICA DEL PARLATO MEDIANTE APPLICAZIONE DI UN MODELLO DEL SISTEMA UDITIVO PERIFERICO Pero Cos Centro d Studo per le Rcerche d Fonetca C.N.R. Padova P.zza Salvemn 13, Padova (Italy) SOMMARIO Vene descrtto un sstema sem-automatco d allneamento temporale del segnale vocale con la sua corrspondente trascrzone fonetca. Il sstema fornsce n modo automatco alcune potes d segmentazone allo scopo d rendere pù veloce l compto d espert fonetst nell'analzzare grosse bas dat. Sulla base della conoscenza ortografca del testo pronuncato gl espert devono sceglere l'allneamento pù opportuno fra quell propost automatcamente. Il sstema, che rceve n ngresso parametr fornt da un modello del sstema udtvo perferco dmostratos molto effcace nel codfcare le nformazon contenute nel segnale vocale, s basa nteramente sulla teora della segmentazone multlvello per la costruzone delle potes d segmentazone. Dopo una breve descrzone della procedura e dell'ambente d acquszone del segnale vocale d rfermento su cu sono basat tutt lavor presentat n questo volume 1, vene schematcamente llustrato l modello del sstema udtvo perferco utlzzato quale tecnca d anals n questo lavoro e, successvamente, vene descrtto l sstema sem-automatco d segmentazone, realzzato sulla base d questo front-end udtvo, asseme anche ad alcun de rsultat ottenut. INTRODUZIONE L'allneamento temporale del segnale vocale con la sua corrspondente trascrzone fonetca è normalmente affdato all'opera manuale d espert fonetst. Nonostante l'auslo d sempre pù affdabl strument audo vsv, le dvergenze nella segmentazone manuale dello stesso materale vocale, effettuata da parte d pù espert, non potranno ma essere completamente elmnate. A causa delle dverse capactà percettve, sa vsve che udtve, come anche dell'oggettva dffcoltà d defnre una nequvocable stratega comune, è evdente l'mplcta ncoerenza d un tale approcco manuale. Un altro svantaggo è dato dall'nevtable spreco d rsorse, sa temporal che umane. Sulla base d queste consderazon, l'nteresse per la realzzazone d sstem automatc d segmentazone e "labellng" sta sempre pù crescendo. Tal sstem automatc, oltre a mnmzzare temp d esecuzone, rendono mplctamente coerent rsultat della segmentazone. Infatt, gl error d segmentazone rsultano faclmente dentfcabl e categorzzabl a causa della natura algortmca delle procedure. Il sstema descrtto n questo lavoro fornsce n modo automatco alcune potes d segmentazone allo scopo d rdurre al mnmo l compto d espert fonetst nell'analzzare grosse bas dat. Nessun stante d segmentazone vene poszonato manualmente e agl espert vene esclusvamente rchesta un'azone d supervsone sulle potes d segmentazone prodotte automatcamente dal sstema. Gl espert devono nfatt sceglere, sulla base della conoscenza ortografca del testo pronuncato, l'allneamento pù opportuno fra quell propost automatcamente, eventualmente elmnando "marker" sovrabbondant. DESCRIZIONE DELLA PROCEDURA E DEL SISTEMA DI ACQUISIZIONE Il segnale vocale utlzzato come rfermento per lavor presentat n questo volume è stato scelto sulla base d tre semplc crter: naturalezza, durata e qualtà. Il parlato n esame doveva essere nfatt: 1 Questo lavoro, asseme a tutt gl altr presentat n questo volume, è stato realzzato n occasone del Workshop del Gruppo d Fonetca Spermentale, dedcato ad un confronto fra le vare tecnche d anals del parlato, svoltos ad Acavacata d Rende presso l Laboratoro d Fonetca dell'unverstà della Calabra, l novembre 1991.

2 spontaneo, coè non letto, non nterrotto frequentemente da altr parlant, d durata non nferore a 30 second (per consentre non solo anals a lvello acustco, ma anche a lvello "lngustco"), e d buona qualtà relatvamente alle caratterstche d rapporto segnale/dsturbo. Dopo vare sedute d ascolto campone è stata scelta una conversazone radofonca della durata d crca 30 second, estratta dalla tramssone Orone del settembre 1991, trasmessa dal terzo canale Rado relatva ad una conversazone con l'onorevole Lug Covatta, sottosegretaro al Mnstero de Ben Cultural, avente come argomento un tema d attualtà. Come descrtto n Fg. 1, l segnale è stato acqusto, tramte un sntonzzatore rado (Scott Stereo Tuner T 526L) drettamente su computer (Compaq 386/25) medante una scheda d acquszone (OROS AU21). La frequenza d acquszone è stata d 20 khz e la precsone d 16 bt, n quanto quest due valor sono dventat orma lo standard europeo. Una versone per Macntosh è stata ottenuta convertendo l formato del segnale va software tramte l programma Audomeda. Ra - Orone Scott StereoTuner T 526L VAXstaton 3100 OROS AU21 board DECnet-pcsa Sonografa COMPAQ 386/25 RZ56 dsk Speech + EM Data-Base Fgura 1. Dagramma a blocch del sstema d acquszone e segmentazone del parlato.

3 ARCHITETTURA DEL SISTEMA DI SEGMENTAZIONE Il sstema d segmentazone utlzzato n questo lavoro s dvde essenzalmente n tre part. Ad una prma fase d elaborazone dgtale del segnale vocale, eseguta medante un Modello del Sstema Udtvo Perferco (MSUP) [1], dmostratos estremamente effcace n problem d segmentazone e classfcazone fonetca [2],[3], segue una fase d ndvduazone sul segnale d var possbl confn d separazone fra le vare untà e, sulla base d queste nformazon, nell'ultma fase vene rchesto ad un esperto d sceglere l'potes pù opportuna fra quelle proposte. MODELLO DEL SISTEMA UDITIVO PERIFERICO (MSUP) Il segnale vocale vene preelaborato tramte un MSUP essenzalmente analogo a quello svluppato recentemente al Massachussetts Insttute of Technology (MIT) da S. Seneff [1]. Il modello è mplementato n FORTRAN su un mnelaboratore (DEC VAXstaton 3100) connesso n rete (DECNET- PCSA) ad un Personal Computer (Compaq 386/25) dedcato all'acquszone del segnale vocale (ved Fg. 1). Strutturalmente l modello, l cu schema a blocch è llustrato n Fg. 2, è separato nella cascata d tre dstnte sezon d elaborazone: un banco d fltr a banda crtca per l'anals n frequenza, un modello de meccansm cellular (snaps), e due modul chamat rvelator d nvluppo e sncrona. FIRST FIRST A/D A/D H ( z) HS ( z) HP ( z) = L 1 1 ( 1 ZP z )( 1 ZP z ) 1 1 ( 1 PP z )( 1 PP z ) HP ( z) = ( 1 ZS z 1 )( 1 ZS * 1) HS ( z) = k z j= j PRE-FILTER PRE-FILTER j j L-CHANNEL CRITICAL BAND L-CHANNEL CRITICAL BAND FILTER BANK FILTER BANK = 1,..., L 2 y 1 (n) BASILAR MEMBRANE RESPONSE y L (n) EAR CELL EAR CELL SYNAPSE MODEL SYNAPSE MODEL HALF WAVE RECTIFICATION 1 y( n) = GHW { 1+ A tan [ Bx( n) ]} [ x( n) > 0] y ( ) ABx ( n ) HW [ x( n 0) ] SECOND SECOND dc( t) = dt dc() t = µ b c dt SHORT TERM ADAPTATION µ [ s() t c() t ] c() t a µ b () t SYNCHRONY REDUCTION 4 1 α sr H ( z) = 1 1 α sr z [ s () t > c() t ] [ s() t c() t ] y ( n) = 1+ K ( n) RAPID ADAPTATION x < x( n)> AGC H 1 α ra ( z) = 1 1 α ra z THIRD THIRD ENVELOPE ENVELOPE DETECTOR DETECTOR H ED ( z) 1 α ed = 1 1 α ed z 2 ENVELOPE SPECTRUM S sd H ( n) SD τ ( z) FIRING PROBABILITY ( ) ( ) 1 1 < x n + x n M > δ = 4 tan 4 < x > 2 n x n M 1 α = 1,..., L SYNCHRONY SYNCHRONY DETECTOR DETECTOR sd = 1 1 α sd z ( ) ( ) SYNCHRONY SPECTRUM Fgura 2. Descrzone del Modello del Sstema Udtvo Perferco.

4 Le prme due sezon costtuscono la smulazone vera e propra de process che avvengono nel sstema udtvo dal punto della recezone del suono, fno al punto della sua codfca n scarche elettrche sull'viii nervo acustco. La terza sezone non è l modello reale d alcun corrspettvo fsologco, ma ha l compto d elaborare l'nformazone contenuta ne pattern d scarca n modo da rendere pù evdent alcune grandezze d effettvo nteresse percettvo. In Fg.2 è mostrato lo schema a blocch dell'archtettura globale del modello. L'mplementazone d ogn modulo è rappresentata dalle formule matematche ndcate all'nterno de sngol blocch d Fg. 2. Nella prma sezone s opera n parallelo nel domno della frequenza attraverso un banco d 40 fltr a banda crtca che coprono una banda d frequenze che va crca da 100 Hz a 7500 Hz. In tale sezone vene smulata l'azone d fltraggo operata dalla membrana baslare sulle onde d pressone prodotte nella coclea. Il segnale d'ngresso, preventvamente camponato alla frequenza d 16 khz 2, vene pre-fltrato per elmnare le frequenze superor a 8 khz. Successvamente vene nvato al banco d 40 fltr passa-banda lnear e tempo-nvarant, spazat n frequenza n scala Bark, le cu rsposte n frequenza rproducono le curve d sntonzzazone fsologca delle fbre nervose convolte nella percezone acustca. Nella seconda sezone del sstema, l modello delle cellule cglar e delle snaps, vengono smulat fenomen che avvengono a lvello elettro-neurale nel meccansmo d "trasduzone" delle vbrazon meccanche n scarche elettrche sulle fbre nervose. Questa seconda sezone, che s rpete n parallelo per ognuno de 40 canal del modello, s può a sua volta scndere n 4 sotto-modul post n cascata, ognuno de qual smula una partcolare caratterstca del comportamento neurale: a) modulo d raddrzzamento ad una semonda e d saturazone: smula la rsposta delle cellule cglar alle vbrazon meccanche attraverso la scarca d potenzal n un solo senso (raddrzzamento ad una semonda), ed noltre smula la compressone dnamca del domno d varazone (saturazone); b) modulo d adattamento alla rsposta: ha lo scopo d smulare l fenomeno d adattamento della rsposta, coè l'abbassamento del tasso d scarca nelle fbre nervose quando l'ngresso è uno stmolo suffcentemente prolungato; questo fenomeno s verfca a lvello snaptco tra le cellule cglate e le fbre nervose afferent; c) modulo d rduzone della sncronzzazone: smula la perdta d sncronzzazone nelle sequenze d scarca quando lo stmolo supera una certa frequenza; questa sorta d "nerza" nel segure segnal veloc è mputable al tempo mnmo d latenza tra una scarca e l'altra n ogn sngolo neurone; questo modulo è lneare ed è mplementato tramte un fltro passa-basso; d) modulo d controllo automatco del guadagno (CAG): ha lo scopo d smulare l fenomeno d adattamento rapdo e coè la rapda rduzone del tasso d scarca nella parte nzale della rsposta agl stmol d'ngresso; questo effetto derva dalla propretà d refrattaretà delle fbre nervose. S not la partcolare struttura e l'ordne con cu s susseguono var modul n questa seconda sezone del modello. Cò rspeccha abbastanza fedelmente la struttura de meccansm fsologc e la sequenza d trasformazon a cu è soggetto lo stmolo acustco. Le uscte d questa seconda sezone del modello descrvono come vara la probabltà d scarca n grupp d fbre sntonzzate alla frequenza centrale (CF) del relatvo canale al varare del segnale d'ngresso. Per ognuno de canal s procede, nella terza sezone, a due elaborazon n parallelo: a) modulo rvelatore d nvluppo: opera un fltraggo d tpo passa-basso sul segnale d'uscta al secondo stado n modo da fornrne l'nvluppo; questo corrsponde pratcamente alla rlevazone del tasso medo d scarca nella fbra corrspondente al varare del tempo; l'andamento dell'nvluppo dpende dall'energa delle component armonche present nella banda del canale; b) modulo rvelatore d sncrona: ha la funzone d operare un'anals della perodctà sul segnale d'uscta al secondo stado; questo blocco, è n grado d rlevare la presenza d frequenze domnant ("formant") a frequenze centrate sul fltro passa-banda nzale del relatvo canale. In Fg. 3, è llustrato un esempo dell'uscta del MSUP, per quanto rguarda l modulo rvelatore d nvluppo (b) e d sncrona (c), applcato alla frase nglese "...Susan ca(n'tgo)..." (a) pronuncata da un parlante femmnle (ved [4]). L'utlzzazone de parametr relatv al modulo rlevatore d sncrona (Fg. 2 Il segnale vocale utlzzato come rfermento n tutt lavor d questo Volume è stato camponato a 20 khz. Per utlzzare l MSUP quale front-end d anals acustca n questo lavoro s è resa qund necessara un'opportuna conversone d frequenza da 16 a 20 khz, che è stata effettuata va software.

5 3c) consentono d produrre degl "spettr" contenent un numero lmtato d lnee spettral ben defnte, ndcando una buona utlzzazone delle conoscenze sulla produzone e percezone del segnale vocale, n accordo alle qual, le "formant" sono parametr estremamente stabl nel caratterzzare le vocal o n generale gl stmol sonorant. Questo modello s è rvelato d estremo nteresse anche nell'analzzare l segnale vocale n condzon rumorose [5]. Fg. 4 s rfersce nfatt all'anals della stessa frase consderata precedentemente n Fg.3 a cu è stato sovrapposto un elevato lvello d rumore [4]. Nonostante la notevole degradazone (Fg. 4a), la struttura formantca dello stmolo rsulta essere ben preservata dall'anals con l MSUP (Fg. 4c). SISTEMA DI SEGMENTAZIONE MULTI-LIVELLO Le uscte del MSUP sono state utlzzate n ngresso al vero e propro algortmo d segmentazone che s basa nteramente sulla teora della segmentazone mult-lvello [6]. La flosofa alla base d questa teora sottolnea che non este un unco lvello d rappresentazone segmentale n grado d descrvere tutt gl event acustc d nteresse present nel segnale vocale. Per ovvare a questa mplcta dffcoltà vene adottata una rappresentazone mult-lvello la quale consente d evdenzare all'nterno d un unca struttura sa mutament rapd che quell gradual rscontrabl sul segnale. La costruzone della struttura mult-lvello [6] può rassumers n due fas. Nella prma fase vengono rcercat gl event acustc corrspondent ad un massmo locale nel lvello d modfcazone d una qualche rappresentazone multdmensonale del segnale vocale. Nel caso n esame la rappresentazone del segnale è data dalle 80 uscte del MSUP: 40 per l modulo rvelatore d nvluppo e 40 per quello rvelatore d sncrona. In una seconda fase s procede, per assocazon successve, a "clusterzzare" localmente porzon sml d segnale, rpetendo la procedura fno a che l'ntero stmolo vene rappresentato da un unco evento. In pratca s paragonano regon adacent del segnale e ad ogn passo della procedura s fondono n un unca regone quelle due regon adacent che rsultano essere maggormente assocate fra loro sulla base d un determnato crtero d somglanza. Tenendo tracca della dstanza a cu due regon vengono fuse asseme, la descrzone mult-lvello può essere vsualzzata n forma d "dendrogramma", come evdenzato n Fg.5. Sovrapponendo a questa struttura una lnea orzzontale n dfferent poszon vertcal, vare potes d segmentazone possono essere effettuate ed analzzate da espert fonetst al fne d estrarre l'allneamento pù opportuno. (a) (a) (b) (b) (c) Fgura 3. Applcazone del MSUP alla frase "Susan ca(n't)": forma d'onda e segmentazone manuale (a), parametr relatv al rvelatore d nvluppo (b) e d sncrona (c). (c) Fgura 4. Applcazone del MSUP alla stessa frase d Fg. 3 acqusta n condzon "rumorose": forma d'onda (a) e parametr d uscta del modello (b), (c).

6 Consderando la segmentazone d grosse bas dat vocal una tale procedura consente, da una parte, d veloczzare enormemente temp d esecuzone, n quanto gl stant d segmentazone sono poszonat automatcamente dal sstema senza alcun ntervento manuale l quale rchederebbe ovvamente d avere accesso ad nformazon vsve ed udtve relatve al segnale vocale n anals e, dall altra, d rendere coerent gl error d segmentazone n quanto, se present, rsultano essere nfatt faclmente dentfcabl e categorzzabl n seguto alla natura algortmca della procedura. Fgura 5. Vsualzzazone della procedura d segmentazone sem-automatca sulla base del "dendrogramma" prodotto dal sstema. In Fg.6 sono llustrat dendrogramma e segmentazone rsultante relatv all anals della frase "...Susan ca(n t)..." (ved Fg. 3) medante MSUP. Fg. 7 s rfersce sempre alla stessa frase consderando però n ngresso parametr dervant da una tpca anals FFT. Come evdente da un confronto d Fg. 6a con Fg. 7a, la struttura mult-lvello costruta dall'algortmo d segmentazone con parametr relatv al MSUP rsulta essere ben pù chara e d ben pù facle nterpretazone d quella relatva al medesmo algortmo costruta utlzzando parametr FFT. Ad analoghe consderazon s pervene analzzando Fg. 8 e Fg. 9 che s rferscono all'anals della stessa frase regstrata però n condzon d elevato rumore (ved Fg. 4). Il vantaggo dell'utlzzazone de parametr relatv al MSUP (Fg. 8a) rspetto a quell relatv all'anals FFT (Fg. 9a) rsulta essere ancor pù evdente n quest'ultmo caso dove nfatt l'anals d Fourer dffclmente resce a separare l segnale vocale effettvo dal rumore sovrastante a dfferenza d quanto sembra fare l MSUP. Un anals quanttatva delle prestazon del sstema n rfermento ad un esperto è rportata n [4]. Per l'mplementazone dell'anals mult-lvello ed anche n funzone dell'effcace nterfacca grafca fornta è stato utlzzato un nteressante strumento software, denomnato "SONOGRAFIA" e realzzato per Personal Computer n qualtà d auslo alla segmentazone manuale del segnale vocale, nell'ambto del progetto ESPRIT-BRA ACCOR [7]. Per quanto rguarda nvece l MSUP, è stata utlzzata una smulazone mplementata n FORTRAN presso l Centro d Studo per le Rcerche d Fonetca [3]. Il tempo d calcolo necessaro per analzzare l segnale vocale tramte tale modello corrsponde a crca 200 volte l tempo reale (DEC-VAX-Staton 3100). Il modello attualmente è da consderars assa neffcente dal punto d vsta d una sua ottmzzazone. Una possble parallelzzazone del modello, consentta dalla sua partcolare struttura, non è stata nfatt ancora esplorata. Attualmente la stessa smulazone è stata mplementata n un DSP "floatng pont" [8] con temp d calcolo d crca 10 volte l tempo reale.

7 Fgura 6. Dendrogramma e segmentazone rsultante (MSUP) per la frase "Susan ca(n t)" (ved Fg. 3). Fgura 7. Dendrogramma e segmentazone rsultante (FFT) per la frase "Susan ca(n t)" (ved Fg. 3).

8 Fgura 8. Dendrogramma (MSUP) per la frase "Susan ca(n t)" "rumorosa" (ved Fg. 4). Fgura 9. Dendrogramma (FFT) per la frase "Susan ca(n t)" "rumorosa" (ved Fg. 4).

9 RISULTATI Per valutare l'affdabltà del sstema l'ntera frase d rfermento ("Che senso ha scaraventare vagonate d gappones dentro gl Uffz. Fargl fare a passo d carca l gro delle sale. Farl uscre, dove trovano soltanto, come documentazone d quello che hanno vsto, le schfezze che gl ambulant, che abusvamente stanno davant agl Uffz, gl vendono, a prezz per altro anche esos."), utlzzata n tutt lavor d questo volume, è stata analzzata dal MSUP e successvamente segmentata n modo semautomatco medante l sstema appena descrtto. La stessa frase noltre è stata segmentata manualmente seguendo le regole esposte n [9] e sfruttando ausl sa vsv che udtv (PTS versone 4.40 [10]). In Fgg. 10 e 11, rspettvamente per le fras "Che senso ha" e "gl vendono", sono llustrat: l'uscta del MSUP, la corrspondente segmentazone sem-automatca prodotta dal sstema. In Fg 12 è nvece llustrato un'stogramma delle dscrepanze fra gl stant d segmentazone poszonat manualmente e quell poszonat automatcamente (ELSA [11]). Utlzzando dfferent crter d errore, coè consderando error d segmentazone que cas n cu non c'è corrspondenza fra marker manual e automatc per pù d 10,20 o 30 ms, n altre parole, que cas n cu marker automatc sono poszonat al d fuor d una fnestra d 20,40 o 60 ms centrata sulla poszone dell'stante d segmentazone d rfermento poszonato manualmente, sempre nella Fgura 12 sono ndcate anche le dfferent percentual d corretta segmentazone. Mantenendo l crtero d errore su +/-20ms, utlzzato n ambto europeo come crtero standard per valutare tal sstem la percentuale d errore raggunge crca l 17%, rsultato questo che può scuramente rteners d ottmo lvello, vsta la dffcoltà del compto n esame. Fgura 10. Applcazone del MSUP e dell'algortmo d segmentazone alla frase "Che senso ha" (ved testo).

10 Fgura 11. Applcazone del MSUP e dell algortmo d segmentazone alla frase "gl vendono" (ved testo). 239 ( 91%) 217 ( 83%) 164 ( 63%) Fgura 12. Istogramma degl error d segmentazone sull ntera frase d rfermento "Che senso ha scaraventare...".

11 CONCLUSIONI L utlzzazone d un modello del sstema udtvo perferco e d un sstema d anals mult-lvello hanno consentto la realzzazone d un effcace sstema sem-automatco d segmentazone del segnale vocale anche n condzon rumorose. L utlzzazone d un tale sstema da parte d espert fonetst consentrebbe, da una parte, d rdurre enormemente temp d segmentazone d grosse bas dat vocal, essendo gl stant d segmentazone poszonat automatcamente dal sstema senza rchedere l ntervento umano, dall altra d rendere coerent rsultat della segmentazone, n quanto, data la natura algortmca del sstema, gl eventual error d segmentazone rsulterebbero essere faclmente dentfcabl e categorzzabl a dfferenza d quell uman. Elmnando nfne l ntervento umano sulla decsone fnale del lvello d segmentazone voluto e sosttuendolo con un algortmo d rcerca dell allneamento ottmo del segnale vocale con la sua corrspondente trascrzone, all nterno della struttura mult-lvello, l'algortmo può dventare completamente automatco, non solo per quanto rguarda la segmentazone o allneamento temporale, ma anche per quanto rguarda l labellng o l'etchettatura del segnale vocale [2]. L'applcazone del sstema alla frase d rfermento ha prodotto de rsultat d segmentazone d scuro nteresse e rlevanza per l prosegumento d questo studo. BIBLIOGRAFIA [1] S. Seneff (1988), "A Jont Synchrony/Mean-Rate Model of Audtory Speech Processng", Journal of Phonetcs, January 1988, pp [2] V.W. Zue, J. Glass, M. Phlps and S. Seneff, "Acoustc Segmentaton and Phonetc Classfcaton n the SUMMIT System", Proc. IEEE-ICASSP 1989, paper S8.1, pp [3] P. Cos, Y. Bengo and R. De Mor,(1990), "Phonetcally-Based Mult-Layered Neural Networks for Vowel Classfcaton", Speech Comm., Vol. 9, N. 1, Feb 1990, pp [4] P. Cos, "Ear Modellng for Speech Analyss and Recognton", ESCA Workshop-92, Sheffeld, 7-9 Apr, [5] M.J. Hunt and C. Lefebvre,"Speaker Dependent and Independent Speech Recognton Experments wth an Audtory Model", Proc. of ICASSP-88, Aprl 1988, pp [6] J.R. Glass, "Fndng Acoustc Regulartes n Speech: Applcaton to Phonetc Recognton", Ph. D. thess, Massachusetts Insttute of Technology, May [7] A. Marzal and J. Puchol, "Sonografa: an Interactve Segmentaton System of Acoustc Sgnals based on Multlevel Segmentaton for a Personal Computer", ESPRIT II BRA ACCOR Perodc Progress Report 2, 15 Apr 1991, Vol. 3. [8] P. Cos, L. Dellana, G.A. Man and M. Omologo (1991), "Audtory Model Implementaton on a DSP32C-Board", Proc. GRETSI-91, Juan Les Pns, Sep [9] P. Cos, D. Falavgna and M. Omologo, "A Prelmnary Statstcal Evaluaton of Manual and Automatc Segmentaton Dscrepances", Proc. of EUROSPEECH-91, Genova, Sep 1991, pp [10] J.C. Caerou. J.M. Dolmazon, A.EL. Badmouss, K. Jones and B. Barry,"PTS SOFTWARE v. 4.40: USER MANUAL", SAM-ESPRIT document. [11] C. Bourjot, A. Boyer and D. Fohr, "Sem Automatc Labellng Assessment Software" SAM-ESPRIT document.