关键词检测系统中废料模型技术的研究

关键词检测是语音识别中一个重要的研究方向．关键词检测技术的重点之一就是代表非关键词语音的模型，不论识别系统的方法怎样，大部分是采用废料模型的，而废料模型的结构和类型对整个系统的性能有很大的影响．提出了一种基于音节格的废料模型．实验表明，与传统的基于音素类的废料模型相比，关键词的检测率有了很大的提高．     

日本語オノマトぺの翻訳についての検討

擬音語は日本人が日常生活で、ュミュニケ一シュソをする際によく使う言語でぁる.本稿では日中両言語の擬音語を对象にして、擬音語の翻訳方法を考察した.その結果、次のことが明らかになった.①翻訳するとき、擬音語の発音によつて、本来がど のような音かとい うことははつ きりすベきでぁる.明る い 語に訳するか、おもい語に訳するかを決める;②また、語形および、発音の分類を基礎にして、類似の語形の擬音語に訳する；③発音でも語形で も明確な特徵がない擬音語の埸合、文法的な働きを根拠に訳すべきでぁる;④類似性と言語環境の影響も軽視できない.この影響を十分に考えていながら擬音語を翻訳する.     

试析英语词素

词素是最低限度的语义单位，可分为自由词素和词根等类型，可由一组词素变体来构成     

浅谈俄罗斯人对音素的偏好

交际是人们传递信息、交流思想以达到某种目的的社会活动。语言是交际的工具和基础。在无共同使用语言跨语种交际中,语言失去了原有的作用,声音转化成解码话语的依据。本文以索绪尔交际过程描述为理论基础,探索无共同使用语言跨语种交际中话语解码的方式。以声音为根本出发点,研究俄罗斯人对因素的偏好,以求对中俄交际有积极的参考价值。     

浅析高职英语听力教学改革

听力教学是高职院校英语专业学生重要的专业课程之一．听力能力也是学生应用英语语言的重要体现。文章针对高职院校目前的听力教学方面存在的问题，以及从教学和学生的角度归纳影响学习听力的因素，提出一些在今后听力教学改革方面的建议。     

任务型教学在大学英语语音教学中的实践

文章将任务型教学的理念应用于英语专业语音教学当中,把学生分成若干学习小组,设置安排有具体语音学习目标的各种任务,引导学生完成具有明确教学目的的任务,最终提高学生运用正确的语音语调进行语言交际的能力。     

基于多GPU的深层神经网络快速训练方法

近年来,深层神经网络(deep neural network,DNN)被成功应用于语音识别领域,成为一种很具发展潜力的语音识别模型。然而,由于其训练算法复杂度高,随着训练数据和网络规模增大,DNN模型训练将非常耗时。为提高DNN的训练效率,该文研究了基于多图形处理器(graph-ic processing unit,GPU)的DNN快速训练算法。在TIMIT数据集上的音素识别实验显示:在基本保证识别性能的前提下,优化后的DNN快速训练方法在4个GPU下训练速度相比单GPU有约3.3倍的提升。实验结果表明该快速训练方法可以显著提升DNN模型的训练速度。     

一种基于离散小波变换的音素分段算法

提出了一种基于离散小波变换的新的音素分段算法。首先对原始语音信号取绝对值,然后对其进行小波变换,认为8阶小波变换绝对值的极大值点对应于原始语音的音素分段点。该算法较传统的算法计算量小。实践证明,分段效果较传统的分段方法有效性高。     

基于可变长音素序列拼接单元的维吾尔语语音合成技术研究

文章采用了一种以可变长音素序列为拼接单元的维吾尔语语音合成系统的技术方案,阐述了维吾尔语的语言特点及语音合成中必须考虑的语音协同发音等现象,给出了语音库的设计思路及其句子、短语、词语、音节以及音素等多级语音库结构,以便直接从语音库中找到拼接单元,还考虑了怎样合成语音库中没有拼接单元的情况。该方法能更好地利用自然语流的原始信息,提升了系统合成语音效果的自然度。     

基于多音素类模型的文本无关短语音说话人识别

对于基于Gauss混合模型-通用背景模型(Gaussianmixure model-universal background model,GMM-UBM)方法的文本无关说话人识别,当测试语音时长缩短到很短时,识别率会严重下降。为了充分利用文本内容信息,该文提出了一种基于K-top多音素类模型混合(KPCMMM)的建模方法。在音素识别阶段,利用语音识别得到训练语音的音素序列,在说话人识别阶段利用音素序列对每个说话人训练多个音素类模型,测试语音则在最相近的音素类模型上进行打分判决,K是选取的相近音素类数。由于音素类定义的不同,KPCMMM方法分为基于专家知识和数据驱动这两类。实验结果显示选择合适的K值可以得到更好的识别结果。不同的音素类定义方法的比较实验结果显示:当测试语音时长小于2s时,对比GMM-UBM基线系统,该方法的等错误率(EER)相对下降38.60%。