基于多系统融合的实用化英语词重音错误检测方法.pdfVIP

第十一届全国人机语音通讯学术会议 基于多系统融合的实用化英语词重音错误检测方法 李宏言，黄 申，王士进，梁家恩，徐 波 (中国科学院自动化研究所 数字内容技术研究中心，北京 100190) 摘 摘 要要：：提出了多种重音检错方法，并构建了一个面向实用 摘摘 要要：： experimental results verify the effectiveness of the above strategies. 化应用的英语重音错误检测系统。在算法上的改进和创新点 The fused system can achieve about 10.19% in equal error rate (EER) 为: 1) 通过使用谱特征和多种分类器模型，提出了多种用于 for the real-life testing corpus. 重音检测的元音品质得分，并作为传统韵律特征的补充; 2) Key words: lexicon stress; system fusion; vowel quality; grouped 提出了基于韵律特征相似程度的分组建模策略，对样本不足 modeling; stress mispronunciation space 或样本分布不均衡的音节进行有针对性的合并建模，提高了 重音模型质量; 3) 提出了重音错误空间的概念，同时指出错 纵观国内外的研究历史和现状，重音检测的关 误空间的完备性是重音检错任务的瓶颈所在; 4) 通过基于 键点一般体现在两个环节，即重音表象特征的提取 发音变化网络的方法加强对动-名词对中的重音指派位置错 和重音检测方法的建模 ，可以简单地记为特征 误的建模和检测，并通过使用基于词内重音特征的相对变化 （Feature ）和分类器 （Classifier ）。具体而言，重音 的策略来提高对故意或有意识的重音错误的检测性能。实验 特征需要可以有效鲁棒地描述重音的发音特点，而 结果验证了各种方法的有效性，多策略融合后的系统在真实 检测方法则要求对待测语音的重音位置准确性进行 重音错误测试集上的等错误率指标达到约 10.19%。 合理的判决。 关键词关键词：词重音： ；多系统融合；元音品质；分组建模；重音 在重音特征方面，以时长 （Duration ）、能量 关键词关键词：： 错误空间 （Energy ）、基音频率 （Pitch 或 F0 ）为代表的韵律特 中图分类号中图分类号：： TP391.4 征（Prosodic features ）及其衍生出的相应特征仍是 中图分类号中图分类号：： 重音