建立统一中国民族语言语音声学参数数据库.pdfVIP

建立统一的中国民族语言语音声学参数数据库 鲍怀翘 郑玉玲 中国社会科学院民族学与人类学研究所 baohq@j,263．netzhyl-cass@263．net 1． 什么是“语音声学参数数据库” 在语音信号分析和处理中，时域和频域特性是至关重要的。在语音研究中对音素的特征 测量和分析已进行了几十年，从以音节、词为基础的音索分析到现在的以数据库为基础的音 素分析，使我们对语音的特性认识越来越清晰，越来越准确，在应用研究的语音的处理中越 来越有效。如在语音合成和识别中更加认识到协同发音的重要，因此，人们不再满足单音节 或单词的合成，而采用基于大规模语音库的拼接合成；在语音识别中，人们已不满足基于 HMM的语音自动识别(ASR)，而寄希望于基于人的知识的语音识别(HSR)。这充分说明 语音特征研究的重要。 语音声学参数数据库就是将单语种或多语种的语音声学特征数据整合起来的数据库。在 我国，九十年代初，中国社会科学院民族学与人类学研究所在国家自然科学基金和社科基金 的支持下与相关大学合作，分别研制了“藏语拉萨话语音声学参数数据库”、“哈萨克语语音 声学参数数据库”和“蒙古语音声学参数数据库”，这些研究虽然是初步的，但取得了一定 的经验，对语音声学特征参数的提取与测量方法都有新的认识，证明了这种做法的可行性和 优越性。 目前，我们正在进行的国家自然科学基金资助研究项目“汉语普通话协同发音研究”中， 更是建立了50多个声学特征参数和生理参数的数据库，数据库涉及普通话声韵母组合的133 个双音节词。这50多个声学参数反映了普通话元音和辅音的谱特性、发音部位的特性(动 态腭位数据)、协同发音中随时域改变相应的谱变化等。该数据库直接服务于协同发音研究。 2． 为什么要建立一个“统一的中国民族特性语言语音声学参数数据库” 我国有56个民族，但民族语言多达80多种，有的一个民族使用几种语言。而涉及的语 系有汉藏语系，阿尔泰语系，满．通古斯语系，印欧语系和南岛语系等，因此，语音系统也 是丰富多彩。以往的语音声学分析中绝大多数以研究某一语音现象为目的，而不是以研究特 定语言语音系统为出发点，因此，对语音声学特征的选择和把握缺乏全面性和系统性，在实 际的做法上，采集的语音参数数据仅满足于写出论文，因此，不注重数据的积累。语音声学 参数数据库改变这样的做法，它不在以写出几篇论文为目的，而首先是对语音系统进行全面 地考虑，选择能有效表征本语音系统各种语音现象的声学特征，把所分析测量到的数据集成 一个完整的语音声学参数数据库。在此基础上对语音系统进行深入地分析研究。不仅自己可 以利用，而且还可以供大家使用，它的使用价值就大大提高了。正因为如此，在教育部语信 司法部的研究指南中明确列上了“中国少数民族语音声学参数数据库”课题。 建立统一的语音声学参数数据库更是为了开展多语种的比较研究，有利于建立多语种统 一的语音合成平台，有利于建立多语种统一的语音识别平台，有利于多语种的语音翻译系统 的建立。 3． 具体建议 3．1统一语音的标注系统 ·．363．- 所谓语音标注就是给每个音素(音位)用一个音标符号来加以标定。如前所述，我国 的民族语言涉及五大语系，80多种语言，语音现象十分丰富。要对每个音素进行标注就需 要一套十分完美、合理、有效的音标系统。国际音标(IPA)是国际公认的音标符号体系， 一音一符，又有一套十分丰富的附加符号，因此，它适用世界上所有的语言语音系统的标注。 遗憾的是这套符号至今还没有国际公认的字符系统，各国都自行其是，造成这套字符系统不 能通用。 上世纪80年代，欧盟九国为了语音研究国际协作、数据库的标注、语音的评价等需要， 由语音学家制定了一套可通用的音标系统，称之为SAMPA码。其目的在于可机读、可传送 AssessmentMethodPhonetic 的“言语评价方法语音符号”(Speech Alphabet)。 SAMPA码是一套ASCII／ANSI字符系统，也即是计算机键盘字符系统。它涵盖了 37一126个码位，包括大、小写26个拉丁字母，10个数字符号O一9，以及其他键盘符号： @、／、捍、$、％、、{、}、?、’……等，