徽语语法研究综述

1987年《中国语言地图集》中把徽语独立为一个大方言区后,徽语受到了极大重视,徽语的语法研究取得了相当可观的成果。文章整理前人在徽语语法研究方面的成果,从词法、词类、句法和范畴研究四个方面进行综述,对徽语语法研究的未来发展进行展望,为后续研究提供参考。

融合注意力机制轻量级网络的语声情感识别

在语声情感识别过程中,为解决缺乏方言数据库、识别模型准确率低等问题,建立辽西方言语声情感数据库,并提出一种融合注意力机制轻量级网络的语声情感识别模型。模型由特征组合网络、CBAM注意力机制、深度卷积网络及输出层四部分组成。利用3个大小不同的并行卷积提取浅层语声特征并进行拼接;引入CBAM注意力模块将空间特征与通道特征融合;融合后的特征输入深度卷积网络,提取语声深层次特征,输出多维特征向量;输出层对语声进行情感分类识别。模型在IEMOCAP、Emo-DB和自建辽西语声情感数据库上验证,分别取得82.5%、96.2%和90.8%的准确率。实验结果表明,与其他深度学习的模型相比,该文提出的模型在参数量更少的同时识别率更高。

面向闽南方言的自监督模型迁移学习

[目的]为了降低低资源闽南方言的语音识别词错误率(character error rate,CER),对中文自监督模型在闽南方言语音识别任务上的微调迁移效果进行研究.[方法]使用两种不同的中文SSL模型Wav2vec 2.0和HuBERT,并采用连接时序(connectionist temporal classification,CTC)和混合CTC/注意力机制(Attention)的迁移学习策略将模型应用于闽言方言的语音识别中.[结果]相比于跨语言迁移方法,本文方法可以使CER降低4.8个百分点以上.[结论]使用更相似的高资源源语言进行迁移学习,可以缓解低资源语音识别面临的资源受限问题,更易获得高性能的闽南方言语音识别模型.

地方普通话语音在声纹鉴定中的应用探析——以贵阳普通话语音为例

地方普通话是方言与普通话接触产生的一种非标准普通话,地方普通话语音(以下简称“地普话语音”)常常带有方言口音痕迹。同一方言区的地普话语音有其难以改变的地域共性,而不同个体的地普话发音因受方言影响程度不同及发音器官形态差异而有区别,所以地普话语音既有稳定性也有个体差异性。研究地普话发音与方言的关系可为犯罪侦查指明方向,而个体独有的发音习惯和发音特征,在语音人身分析和语音同一认定中有重要的特征价值。

语音分析软件Speech Analyzer和Praat在上海市区方言鼻化韵单一化演变研究中的应用

目前我国方言语音演变研究中音位的确定主要以传统意义上的研究方法为多,音位归纳主要凭个人经验。若记音人本身记音能力有限,可能造成记录结果与方言实际读音存在偏差。因此,如果在传统记音方法的基础上,辅以语音分析软件,将使方言语音研究更为精密、客观。以Speech Analyzer和Praat语音分析软件为例,結合上海市区方言鼻化韵单一化,即鼻化韵中前a后ɑ的对立完全消失,发成中A这一语音演变现象,以Speech Analyzer确定鼻化元音位置,以Praat做共振峰分析,为这一语音演变现象的确定提供证据。

基于物联网技术的移动工牌在服务质量和营销成功率提升中的应用研究

本研究旨在开发和实施一种移动工牌系统,以解决企业对员工服务行为监控、服务质量评估、个性化服务优化以及方言识别等问题。移动工牌内置GPS、蓝牙/Wi-Fi定位模块实现室内外精确位置追踪。在语音处理方面,移动工牌具备高质量的实时语音录音功能,所采集的数据通过安全通道上传至中心控制单元,中心单元运用先进语音识别技术,包含关键字提取、语音转文字实时处理,并特别针对方言识别进行了整合,通过大量的方言数据训练和特定方言模型提升识别准确度。研究成果表明,该移动工牌系统成功实现了对员工位置的实时监控、语音交流的自动化分析以及方言识别等功能,从而有助于企业优化服务流程、提升客户体验、改进服务质量。

喀尔喀方言词首音节短元音声学研究

随着喀尔喀方言朗读层面语音实验研究的发展,基于自然语流层面的语音实验研究也得以陆续开展。经过语音实验分析,在自然语流层面,喀尔喀方言中出现了/r/、/s/、/i/、/e/、/u/、/e/、/u/、/y/等词首音节短元音。相较于朗读层面的喀尔喀方言语音实验结果而言,自然语流层面中的喀尔喀方言词首音节短元音出现了发音范围更加集中和发音位置靠前的特征。尤其是词首音节/e/、/u/、/y/等唇元音的发音位置靠前特征比较明显。其主要原因在于两种语料层面的发音动机不同,即在自然语流中发音人以表达语义进行交流为目的,在朗读层面发音人则以发音清晰准确为目的。

玉溪方言“儿化”现象研究

“儿化”是一种特殊音变现象,也是一种特殊构词方式。玉溪方言儿化音变比普通话简单,音变形式较少,但有自身的规律,在与三呼(开、齐、合)拼合时对应整齐,儿化后呈现出韵腹央化的语音特征。儿化构词能力较强,词类分布范围较广,使用功能丰富,整体呈现出灵活而多变的特点,具有地方语言特色。

宁波方言版噪声下数字三联音测听材料的研发与验证

目的 本研究旨在开发与验证宁波方言版噪声下数字三联音测听(Digit Triplet Test,DTT)材料。方法选取以宁波方言为母语的成年女性诵读0~10共11个数字,经过编制与优化后形成宁波方言版噪声下DTT测听材料。对另外21名听力正常且以宁波方言为母语的青年人分别进行三联音识别率测试及自适应三联音测试,评估宁波方言版DTT的心理测量函数曲线和评估该测试在正常青年人中的测试信度。结果 11个数字全部被纳入到测听材料中,同时被组合成三联音测试项。拟合出的宁波方言版DTT的心理测量函数曲线的斜率为18.3%/dB,自适应模式下的言语识别阈值为-11.8±1.3 dB SNR,测量误差为0.6 dB。结论 本研究标准化开发的宁波方言版噪声下DTT有着良好心理测量函数曲线参数和复测信度。

藏语安多方言语音合成语料库的设计与构建

语音合成库的构建是研究语音合成技术的数据基础,实现语音合成库设计过程的规范化、具体化和完整化是生成高质量语音库的关键。为了进一步提高藏语语音合成库的质量,文章利用藏文字和藏语安多方言的发音特点,使用最小二乘法对文本语料进行优化筛选后,通过藏语专业主持人发音,建立了60小时的高质量、高自然度、高稳定性的藏语安多方言语音合成库,同时,对照安多发音词典对文本进行安多威利转写以提高语音合成的效果。最后,利用MOS评分标准验证得出语音合成库效果良好,该语音合成库的构建对后续藏语语音合成技术的研究提供了有力的数据支持。

基于吴语和普通话混合的无差别语音识别

针对使用方言的人数多,方言的识别效果较差问题,本文以上肢康复外骨骼的语音指令作为识别对象,使用Python的第三方库Keras和Librosa建立了一种DNN-HMM[深层神经网络(Deep Neural Network),隐马尔可夫模型(Hidden Markov Model)]模型,对吴语方言与普通话混合的语音样本进行无差别语音识别研究和实验。结果表明,本文研究的模型对于吴语方言与普通话混合的语音样本识别率能够达到81%,具有较高的识别精度;且对于单独的吴语方言识别率有65%左右。该研究结果可以进一步的应用于其他地区方言的语音识别,为智能康复外骨骼的控制研究和推广提供了理论和实验基础。

基于DKU-JNU-EMA数据库发音特征的方言识别

为研究广东话、客家话、潮州话和普通话的发音差异性,提出了一种基于发音特征的方言识别系统。本研究采用DKU-JNU-EMA数据库,以广东话、客家话、潮州话和普通话为研究对象,通过端点检测法实现对数据集的预处理,提取了数据集中发音器官的位移、速度和加速度参数,并对发音运动器官进行了空间和速度的统计学分析,然后选用随机森林和支持向量机分类器对所取的提特征集进行识别分类。实验结果表明,本文提取的发音特征在机器学习分类器的识别分类中是有效的,选用支持向量机做分类器时,在齿龈位置的分类平均准确率达到83.1%。

基于深度学习的闽南语语音识别

目前的智能家居语音控制仍以普通话为主,较难进行方言的识别。闽南语作为福建第一大方言,使用人数众多,将闽南语语音识别用于智能家居系统将有广阔前景。为了提高闽南语语音识别模型的性能,本文将cFSMN声学模型、DFSMN声学模型和MTL-DFSMN声学模型分别在闽南语语音语料库上进行验证,最终选择声学模型MTL-DFSMN用于闽南语语音识别。该模型能更精准识别用户的闽南语语音指令和满足智能家居系统的要求。

多用途汉语方言语音数据库的设计

建立了一个多用途汉语方言语音数据库,用于说话人信息处理、方言特征词识别、语音识别等领域的研究。以多通道的方式采集时长106小时的语音数据,包括七种主要的汉语方言区语音,对数据进行预处理。在此基础上提出了汉语方言数据库的设计标准以及实施方案,有助于推动汉语语音库特别是方言语音库的建立。

一个面向言语工程的兰州方言语料库

建立了一个兰州方言语料库.利用《方言调查字表》设计了兰州方言的文本语料,包括1 280个单字,2 000个双字词,18个负载句和1 000句语句,录制了4位发音人的兰州方言和普通话平行的语音语料,并标注了音节边界、峰值点、声韵母和声调信息;对于语句,根据词法信息和语法信息,利用TBL算法标注了韵律边界.语料库可用于兰州方言的实验语音学研究以及兰州方言的韵律建模、语音合成、语音转换的研究.

基于高斯混合模型的汉语方言辨识系统

建立了一个基于高斯混合模型的汉语方言辨识系统,并给出了模型参数的估计方法,讨论了特征参数和高斯混合数对系统辨识的影响,实验结果表明,系统对同一省内的三种不同方言的辨识率平均可以达到84.17%。

基于自注意力的端到端方言语音识别模型

方言语音识别是方言保护的核心环节。传统的方言语音识别模型缺乏考虑方言语音中特定方言音素的重要性,同时缺少多种语音特征提取及融合,导致方言语音识别性能不高。本文提出的端到端方言语音识别模型充分发挥了残差网络(Residual Network)和Bi-LSTM(Bi-directional Long Short-Term Memory)分别在语音帧内和帧间特征提取的优势,并利用多头自注意力机制有效提取不同方言中特定方言音素信息构成语音发音底层特征,利用该方言发音底层特征进行方言语音识别。在基准赣方言和客家方言两种方言语音语料库上的实验结果表明本文提出的方言语音识别模型显著优于现有基准模型,通过对注意力机制的可视化进一步分析了模型取得性能提升的根本原因。

基于动态时间规整和神经网络的方言辨识研究

汉语方言辨识技术的研究不仅有利于提高方言语音识别系统的识别效率,而且对于公安部门的刑事侦查等方面都具有非常重要的应用价值。以湖南方言作为研究对象,对不同方言特征的差异及方言辨识中特征参量的合适选取进行了深入研究。针对语音信号具有很强的随机性而神经网络的输入结构相对固定等特点,提出了基于动态时间规整和神经网络的方言辨识方法。实验结果表明,选取相同的特征参数时对不同类别或不同声调的方言的辩识率不同。

福州方言人群单音节词识别-强度函数修正值探讨

目的采用标准化言语测听材料《普通话言语测听材料》对福州方言人群开展言语测听,根据测试结果研究影响普通话识别特征因素,探讨标准化测听材料在福建方言人群的测试效果并找出标准化应用强度函数修正值;方法选取56例受试者均具有大专以上学历,年龄18~25岁,其中方言组36例,标准普通话组20例;采用MSTMs中经过等价性评估的7张(每张50词)单音节词表作为测试材料对56例受试者进行言语识别率测试;使用SPSS17.0软件对数据进行分析,描绘言语识别率与给声强度间的函数曲线并将福州方言人群测试结果与普通话组数据进行单因素方差分析。结果福州话方言组及普通话单音节词表的言语识别率与给声强度间的函数关系的线性部分分别为Y=3.074X-36.157和Y=3.163X-40.498。结论本研究初步建立了基于具有难度等价性的7张普通话单音节测听词汇表的福州话方言人群正常人识别-强度函数曲线;方言组母语为福州话并熟练掌握普通话人群在应用MSTMs普通话版言语测听词表可无需校正。

山西话言语测听双音节词表的编制

目的根据言语测听的要求,编制山西话言语测听双音节词表。方法按山西方言分区法,把山西划分为七个片,每个片选一个代表地,参照地方志,选取当地非普通话词,结合《汉语测听词表》及《汉语最低听觉功能测试》中双音节词,经过多次筛选制定双音节词表。结果每个方言区编制出一张双音节词表,共七张表,每表50个词,所有表格均体现平衡、高频、普适的特点。表中词汇在当地人群中均有很好的复述率(≥90%)。结论所编词表经过验证,初步适合山西方言人群应用,但仍需进一步扩大样本范围验证。