汉语语音水平评价方法研究.pdfVIP

第五届全国人机语音通讯学术会议第五届全国人机语音通讯学术会议(NCMMSC’98)，，286-289 ，，98年年7月月26~31 日，哈尔滨日，哈尔滨 第五届全国人机语音通讯学术会议第五届全国人机语音通讯学术会议 ，， ，， 年年 月月 日，哈尔滨日，哈尔滨 本文获本文获NCMMSC’98优秀论文二等奖优秀论文二等奖 本文获本文获 优秀论文二等奖优秀论文二等奖 汉语语音水平评价方法研究汉语语音水平评价方法研究 汉语语音水平评价方法研究汉语语音水平评价方法研究 徐明星 宋战江 郑方 吴文虎 (北京 清华大学计算机科学与技术系 100084) 摘 要 : 汉语语音水平评价是汉语语音识别的一个分支，它具有广泛的应用前景。本文以 CDCPM模型为基础，针对模型的特性，提出了两种语音水平评价方法——直接评价方法和 间接评价方法，并把它们综合应用于一个实际的汉语语音水平评价系统之中，取得了很好 的实验结果。结果表明，本文提出的语音水平评价方法是可行的和有效的。 关键词 : 语音水平评价，CDCPM模型，CDN分布 一、引言 汉语语音水平评价是汉语语音识别的一个分支，其主要目的是利用计算机对测试人员输 入的汉语语音的规范程度给出一个比较客观的评价。这可以分为指定文本的评价和不定文 本的评价两个大类。由于中国的人口众多，地域宽广，有许多不同的方言，而且各地的汉 语语音普通话教学的水平也存在着很大的差异，这种现状显然很不利于普通话的推广，不 利于人与人之间的语言交流；另外，鉴于中国的国际地位日益提高，中 国市场潜力巨大， 越来越多的外国人希望掌握汉语的发音技巧，因此，依据汉语语音识别 的基本原理，利用 计算机来帮助校正/提高汉语规范程度，具有十分重要的现实意义和广泛的应用前景。 本文对汉语语音水平评价方法进行了初步探索和研究。本文组织结构如下：第二部分给 出了直接评价方法；第三部分则提出了间接评价方法，第四部分针对两种方法的不同特性， 提出了综合利用的形式和方法；最后给出了评价系统的测试结果。 二、直接评价方法 1、基本思路1、基本思路 11、基本思路、基本思路 在对汉语语音规范程度进行评价的时候，一种自然的想法是：将待评价的原始输入语音 同标准的语音模型进行直接匹配比较，根据它们的吻合程度，得到对待测语音的评价得分。 由于这种评价方法是直接进行的，只涉及到原始输入语音所对应的标准模型，所 以我们称 之为直接评价方法。该方法大致的工作流程示意图如下所示 ： 待测语音信号 特征提取 匹配计算 得分 待测语音信息 模型准备 图1 直接评价方法工作流程示意图 其中， “待测语音信号”是指用户按照要求输入的语音采样数据， “待测语音信息”是指 应用指定的输入语音的汉语音节信息， “特征提取” 的功能是根据模型 的要求，对输入的 原始语音进行特征提取计算，如计算信号 的能量、过零率、基音周期、LPC-CEP[1]等参数， 一般在特征提取 的时候需对原始语音进行分帧处理。 “模型准备”的功能是依据待测原始 语音的音节信息，将需要的音节模型参数提取 出来，为下一步的匹配计算做好准备 。 “匹 配计算 ”的功能是按照模型 的特点，对待测的原始语音的特征参数进行处理，得到输入语 音同规范语音之间的匹配程度，从而得到评价分数 。 22、、标准模型标准模型的的建立建立 22、、标准模型标准模型的的建立建立 语音标准模型 的建立方法很多，现在最为常见 的是基于HMM[1]思想的语音模型 ，如 DHMM[2]、CHMM[3]、SCHMM[4]等，还有一些是标准HMM的修正改进型，也可以拿来使用。在 本文建立的系统中，标准语音模型所采用的是CDCPM[5]模型，它是HMM的一种简化模型，没 有状态转移矩阵A，因为状态的转移是从左至右直接进行的，而且在状态发生转移时，状态 不允许进行跨越转移 。为描述CDCPM模型 的各个状态，我们引入了若干子状态，以EMM[6] （嵌 入式多模板）的方式组织起来，各个子状态则用一个CDN分布 [6]来表征，这些CDN分布的参 数就组成了整个语音模型