西部声学会议论文样板.docVIP

采用三音节F0插值的连续语音声调评测算法 沈彩凤，俞一彪 （苏州大学电子信息学院语音处理研究室，苏州 215006） 摘要：本文研究连续语音的声调评测算法，该算法可应用于计算机辅助语言学习（CALL）系统和普通话水平测试(PSC)中的声调评测。考虑到连续语音发音中前后音之间的相互影响，采用三音节单元建立GMM声调模型，三音节中辅音部分用Spline插值法拟合声调曲线来反映音节间基音频率的转移信息。实验表明，基于三音节声调曲线插值拟合的GMM模型评测方法可以使机器打分和人工打分的相关性从0.733提升到0.764。 关键字：声调评测；连续语音；Spline插值；基音曲线拟合；GMM 中图分类号：TN912 文献标识码：A 文章编号：1000-3630(2011)-02-0111-06 DOI编码：10.3969/j.issn1000-3630.2011.02.001 Tone evaluation of Mandarin continuous speech based on Tri-syllable F0 interpolation SHEN Cai-feng, YU Yi-biao (Soochow University, Speech Processing Researches Laboratory, Suzhou, 215006, China) Abstract: This paper discusses tone evaluation algorithm of Mandarin continuous speech based on GMM. This algorithm can be used for tone pronunciation in Computer Assisted Language Learning (CALL) and PUTONGHUA SHUIPING CESHI (PSC). In continuous speech, a syllable’s tone is related to the adjacent syllables. Therefore, it is useful to use tri-syllable as basic unit to train GMM. To get the transition information from the previous voiced region to the current one or from the current to the next voiced region, the pitch value of unvoiced region is interpolated with Spline. Based on tri-syllable Spline interpolation, the correlation of the machine score and human score rises from 0.733 to 0.764. Keyword: tone evaluation; continuous speech; Spline interpolation; GMM; 引言 汉语作为一种声调语言，每个音节都有声调，不同声调的同音字语义不同。因此，声调是判定普通话学习好坏的重要因素之一，也是区别方言和普通话的不可或缺的标准。在计算机辅助语言学习（CALL）以及普通话水平测试（PSC）中，不仅强调对汉语音节的发音的正确性，也越来越多的关注普通话声调的错误与否。 2007年，汤霖等人在分析普通话声调特点的基础上，提出了能消除语速影响和音节间相互影响的建模方法，选择反映声调特点的5个基频比值与归一化的基频共同作为声调评测参数建立高斯模型，结果客观测试同主观测试负荷率达到88.24%[1]。2008年，魏思等人提出了基于韵律信息的连续语流 ————————————————— 收稿日期：2011-06-06; 修稿日期：2011-06-11 基金项目：北京市现代信息科学与网络技术（XDXX1006） 作者简介：沈彩凤（1986-），女，江苏省宿迁人，汉族，苏州大学电子信息学院硕士研究生，研究方向为语音信号处理。 通讯作者：俞一彪，yuyb@suda.edu.cn。 调型评测研究，以韵律词为基本建模单元，建立基于多空间概率分布的HMM调型模型MSD-HMM，针对有河南与山东方言背景的非标准发音，机器评分与专家评分相关度达到0.661和0.695[2]。 声调主要是有语音的基频轮廓决定的。普通话的标准声调有四个调型，按照五度值描述系统可表达为：阴平（55），阳平（35），上声（214），去