基于发音特征的发音偏误趋势检测研究

为了提升计算机辅助发音训练(CAPT)系统中发音偏误趋势(PET)的检测效果,确保反馈信息的准确性与有效性,提出一种基于对数似然比的发音特征方法。该方法将多个基于深度神经网络的发音特征提取器用于生成帧级别的对数似然比,然后将对数似然比组成的发音特征用于PET的检测,为学习者提供发音位置和发音方法的正音信息。实验结果表明,发音特征对PET的检测效果优于常用声学特征(MFCC,PLP和f Bank),当发音特征与MFCC特征相结合时,可以进一步提升性能,达到错误接受率为5.0%,错误拒绝率为30.8%,诊断正确率为89.8%的检测效果。     

普通话教学和测试中声调问题及对策

本文阐述了声调在普通话教学和测试中的重要性,结合声调的发音特征,探讨了普通话教学和测试中发现的声调发音时常见的错误和缺陷,并针对这些问题,总结归纳出一些便于操作和模仿的训练方法.     

基于CTC与Transformer的普通话单音节发音错误检测

提出CTC与Transformer结合的端到端模型,使用多编码器和字层级一致的方法,降低在复杂录制环境下的识别错误率.该端到端模型在自建数据集PSC＿Monosyllable的测试集上的词错误率为5.6%.通过预训练,可以实现发音错误检测的正误分类,且比传统机器学习模型检测结果性能提升了16%,有效地提升了发音错误检出率,得出了较好的结果,检测率为0.589.     

结合高斯混合模型和VOT特征的音素发音错误检测

结合高斯混合模型(GMM)和嗓音起始时间(VOT)特征的普通话音素发音错误检测,提出了一种结合语音声道特征信息和音源特征信息的发音错误检测方法。其中GMM用于反映声道特征信息的MFCC参数的建模与评测,并直接对大部分音素的发音质量直接进行错误检测。对于少数通过MFCC参数和GMM难于检测区分的辅音音素,则通过反映VOT信息的音源特征参数进行区分。实验表明,该方法在训练数据有限的情况下取得了较好的性能,非常适合用于聋人语言康复的计算机辅助训练。     

基于DFCNN-CTC端到端的藏族学生普通话发音偏误检测

计算机辅助语音训练系统需要检测非母语者的错误发音,并提供详细的指导性反馈,有助于第二语言学习者更有效地提高发音水平.利用深度全序列卷积神经网络(Deep full convolutional neural network, DFCNN)和链接时序分类(Connectionist temporal classification, CTC)技术,建立了一种用于发音偏误检测和诊断任务的端到端语音识别方法.该方法不需要音位信息,也不需要强制对齐,以扩展声韵母为偏误基元,设计了64种偏误类型.实验结果表明,该方法能够有效地检测出错误发音,检测正确率为87.07%,错误拒绝率为7.83%,错误接收率为25.97%.     

普通话教学和测试中声调问题及对策

本文阐述了声调在普通话教学和测试中的重要性,结合声调的发音特征,探讨了普通话教学和测试中发现的声调发音时常见的错误和缺陷,并针对这些问题,总结归纳出一些便于操作和模仿的训练方法。     

基于DNN的发音偏误趋势检测

正音反馈的计算机辅助对外汉语发音训练系统已有发音偏误趋势的标注体系和基于HMM的偏误趋势检测系统。为了进一步提高系统的性能,该文应用深度神经网络进行声学建模,比较Mel频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)、感知线性预测分析系数(perceptual linear predictive analysis,PLP)和Mel滤波器组系数(Mel filter bank,FBank)3种声学特征参数,并利用网格联合技术整合3种声学特征所得的候选网格。实验结果表明:DNN-HMM模型比GMM-HMM实现了更高检测正确率。针对不同发音偏误趋势,3种声学特征有不同表现,联合系统取得最高性能,最终性能为:错误拒绝率5.5%,错误接受率35.6%,检测正确率88.6%。     

基于小波分析的梅尔频率倒谱参数?

采用HMM模型和MFCC参数的语音识别器对普通话中声母音素的区分度不够理想,而在基于识别的计算机辅助发音教学系统中的辅音的识别具有特别重要的意义.考虑到相同发音位置不同发音方式的声母音素变化较快且高频信息较多,本文将小波分析的方法引入到提取梅尔频率倒谱参数(MFCC)的过程当中,来提高信号高频部分的时域分辨率,提出了基于小波分析的梅尔倒谱参数MFCC_Wavelet.结合高低频不同分帧方式的MFCC_Wavelet参数与HMM模型的语音识别器,本文测试了MFCC和MFCC_Wavelet两种参数在4类发音中的区分性,实验结果表明,在相同发音位置不同发音方式、塞音与不塞音、送气音与不送气音及擦音与不擦音4类发音错误中,MFCC_Wavelet的总体效果好于MFCC.     

师专普通话声调教学问题分析

操山东方言的人学说普通话,声调是关键,也是难点.因为两者语音上最大的差别是在声调上.表面看来,仅把方言四声转化为普通话四声,就可讲出比较标准的普通话,但是,由于两者四声对应情况较为复杂,加之方音调值对所转调值的影响,致使山东人讲的普通话在声调上有许多发音错误和缺陷.由此,声调教学是普通话教学中难度较大的一部分.那么,我校声调教学的效果又如何呢?     

汉语声调的个体特性研究

该文提取了10位发音人30次正常发音情况下的语音,并从阴平、阳平、上声、去声四类声调入手,通过对各个发音人的声调格局、四种声调的基频值这两个语音参数进行提取分析,还对基频值的最大值、最小值、标准差、平均值用SPSS软件进行了统计分析。结果表明,第一,发音人自身的声调格局存在一定程度的变异,但是相对于不同发音人之间的声调格局差异来说是很小的,因此声调格局自身的稳定性还是比较显著的;第二,在不同发音人之间的声调格局差异比较大,因此声调格局在不同的发音人之间存在特异性。