美声歌唱追求的语音特征

意大利是声乐的故乡,意大利语音有自己的特点,对于美声歌唱艺术,语言中的语音是最重要的部分。因此,在声乐学习中,学习者要准确地掌握发音规则,将意大利语音与歌唱技巧有机结合起来,更好地了解美声歌唱追求的语音特征,从而提高自己的声乐演唱水准。     

浅谈声乐歌唱中的呼吸问题

文章从四个发面阐述了有关歌唱中常见的呼吸问题及如何行之有效的解决所存在的问题。其中包括：呼吸运动的步骤、歌唱中的呼吸误区、歌唱中对气息的要求和练习气息的有效方法。以便于人们更好的掌握、理解、指导声乐实践。     

基于音素的发音质量评价算法

面对广大的外语学习者,计算机辅助语言学习系统已经成为一种最佳的口语学习方式。该文提出了一种新的应用于计算机辅助语言学习系统的面向英语学习人群的发音质量评价算法,名为PASS(phone-basedautomaticscoreforl2speechquality)。PASS算法以基于隐含Markov模型的语音识别和口音自适应技术为基础,考察了音素发音的准确性和流利性信息,定义了音素级的发音质量分数,从而可以综合得到整句的评分结果。在实验室自行采集和精细标注的非母语语音库上与其他评分算法进行比较实验,PASS与专家评分的句子级相关性达到了0.66,优于其他算法。目前PASS算法已经被成功地应用于清华大学出版社的互动式语言学习系统中。     

基于特定韵母发音事件分析的语音唇动一致性判决方法

针对现有一致性判决方法主要对整句(段)话进行分析,并无对分析内容加以筛选,存在运算繁琐及结果易受静音等弱关联片段影响等不足,以唇型变化显著的韵母发音单元为研究重心,通过分析聚类后各韵母类别的音唇关联度,选出更具代表性的特定韵母单元并结合位置时延分析,提出了基于特定韵母发音事件分析的音唇一致性判决方法。该方法先分割并识别出特定韵母单元;然后求出以上各韵母发音事件的音唇相关度,并对特定韵母出现位置的时延分布进行分析;最后融合特定韵母事件的音唇相关度得分与位置时延分析评分进行一致性判决。通过实验对该方法与其他方法进行了对比,结果表明,该算法在识别性能上优于多种整句分析的比较算法,同时也相应降低了运算量。     

“唱”上位化的过程、机制及影响

先秦时期,"歌唱"义主要用"歌"表示,"唱"的本义为"领唱",是一个下位词。战国末期,基于语用原则中的"不过量准则","唱"在特定的语境中产生了特殊隐涵义(PCI)"歌唱"义。东汉至隋,"唱"的"歌唱"义由PCI向一般隐涵义(GCI)转化,而"歌"仍是{歌唱}概念域的主导词。初唐以后,"唱歌"义逐渐成为"唱"的固有义(SM)和主导义,晚唐五代时,"唱"取代了"歌"的强势上位词地位。"唱"的上位化对{歌唱}概念域的词汇系统产生了较大的影响。