普通话发音训练多级音素模板综合评价方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (28): 237-239.

普通话发音训练多级音素模板综合评价方法

徐明,黄中伟,杨磊

深圳大学语音实验室,广州深圳 518060

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-01 发布日期:2007-10-01
通讯作者: 徐明

Synthetical pronunciation assessment method based on multi-model matching for mandarin initials and finals

XU Ming,HUANG Zhong-wei,YANG Lei

Audio Signal Processing Lab,Shenzhen University,Shenzhen,Guangzhou 518060,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-01 Published:2007-10-01
Contact: XU Ming

摘要/Abstract

摘要： 提出了一种应用于普通话声韵母发音评价的多级音素模板综合评分法,该方法在单模板匹配的基础上,通过寻找汉语音素发音过程中的浊化、摩擦、爆破等特征,形成多个子模式,进行多模式匹配,最后给出加权评分。实验结果表明多级音素模板综合评分法有效地改善了汉语发音中几组相似音之间的区分度。也介绍了MFCC等语音特征提取、DTW模板匹配算法、基于聚类的模板训练以及综合加权评价机制的实现方法。

关键词: 语音评价, 模式匹配, 综合评分

Abstract: A synthetical pronunciation assessment technique based on multi-model matching for Mandarin initials and finals is proposed.This technique is based on single model matching and consists of three major parts：Firstly,a pronounce waveform is divided into some sub-models by searching the sonant,spirant,,ve features;Secondly,some sub-models is formed and every sub-model matching is done;Finally,the synthetical weight score is made. Experiments shew that the method of multi-model synthetical weight score has effectively improved the distinguishability to some groups of Chinese initials or finals pronounced similar.In this paper we also introduce the implementation methods of MFCC parameter extraction,DTW pattern matching algorithm,models training based on clustering,and synthetical weight score.

Key words: Speech Assessment, Pattern matching, Synthetical score

徐明,黄中伟,杨磊. 普通话发音训练多级音素模板综合评价方法[J]. 计算机工程与应用, 2007, 43(28): 237-239.

XU Ming,HUANG Zhong-wei,YANG Lei. Synthetical pronunciation assessment method based on multi-model matching for mandarin initials and finals[J]. Computer Engineering and Applications, 2007, 43(28): 237-239.

[1]	孙云浩，李逢雨，李冠宇，韩冰，邢维康. 面向RDF图的多模式匹配方法[J]. 计算机工程与应用, 2020, 56(13): 84-92.
[2]	王红，祝寒，林海舟. 航空安全事故因果关系抽取方法的研究[J]. 计算机工程与应用, 2020, 56(11): 265-270.
[3]	谭章禄，王兆刚，胡翰. 时间序列趋势相似性度量方法研究[J]. 计算机工程与应用, 2020, 56(10): 94-99.
[4]	黄思猛1，程良伦2，王涛2. 基于双数组trie树的多模式复杂事件检测方法[J]. 计算机工程与应用, 2019, 55(4): 91-95.
[5]	夏念，嵩天. 短规则有效的快速多模式匹配算法[J]. 计算机工程与应用, 2017, 53(7): 1-8.
[6]	王歧1，2，3，卢毓海1，3，刘洋1，3，刘燕兵1，3，谭建龙1，3，孙波4. 支持模式串动态更新的多模式匹配Karp-Rabin算法[J]. 计算机工程与应用, 2017, 53(4): 39-44.
[7]	范洪博，史舒鹏，张晶. 改进的AAC多模式实时匹配算法[J]. 计算机工程与应用, 2017, 53(3): 68-73.
[8]	李莉1，江育娥1，林劼1，江秉华2. 基于KMP算法的改进算法KMPP[J]. 计算机工程与应用, 2016, 52(8): 33-37.
[9]	张玉叶1，王颖颖1，王春歆2，彭海军1. 分析参数相关和时序特征的飞行动作识别方法[J]. 计算机工程与应用, 2016, 52(5): 246-249.
[10]	袁淼，王鑫. 基于抽样的Deep Web模式匹配框架[J]. 计算机工程与应用, 2015, 51(3): 117-123.
[11]	胥永康1，杨光露2，路松峰3. 基于压缩后缀数组的近似字符串匹配算法[J]. 计算机工程与应用, 2015, 51(23): 139-142.
[12]	汪宏1，2，王鹏1，2. 基于GPU的AC模式匹配改进算法[J]. 计算机工程与应用, 2015, 51(18): 7-12.
[13]	沈璐1，2，纪允1，纪冬宝3，李萍4. 带可变长度通配符的模式匹配算法[J]. 计算机工程与应用, 2015, 51(15): 43-47.
[14]	文举荣，王永利，刘伟. 支持多类型瑕疵度量的RETE改进算法[J]. 计算机工程与应用, 2015, 51(15): 48-55.
[15]	巫喜红. 改进的QS模式匹配算法的性能分析[J]. 计算机工程与应用, 2014, 50(2): 44-48.