基于词片的语言模型及在汉语语音检索中的应用

在汉语语音检索研究中,为充分利用汉语中音节相互搭配的语言学知识,提出了一种新的汉语语言模型构造基元——"词片"(word fragment),研究了最佳词片选择算法。汉语语音识别实验和语音检索实验表明,采用基于词片的语音模型后,音节正确率有所提高,并取得了更好的语音检索性能。

基于端点检测的蒙藏维语音片段数据集

在“中国少数民族地区蒙藏维言语录音2015数据集”的语音数据基础上,采用短时能量和短时过零率的双门限端点检测方法,得到一个句子语音的多个语音片段文件。本语音片段数据集包含蒙古语语音片段1657个、藏语语音片段666个、维吾尔语语音片段756个,数据总量大小约为111 MB。通过软件自动切分和语言专家的多重审核校对得到高质量的蒙藏维多语种的语音片段数据,可应用于少数民族的语音识别、端点检测、语音增强、语音合成和语言教学等领域。

东巴文记录语段向记录语词的发展趋势探析

文字是用来记录语言的书写符号。东巴经是用东巴文书写的文献材料,其中记录语言的情况较为复杂。有的情况不是简单并存的共时现象,而是东巴文记录语言历时演变的结果。东巴文按记录语段的完整度大致可分为两种情况:省略式和包蕴式。二者各有其特点。就发展趋势而言,省略式是逐渐补充出未得到记录的音节符号,而包蕴式则更为复杂。发展的根本原因是一字一音节的推动。

汉语复句书读前后语言片段的非分句识别

为了建立一个面向中文信息处理的现代汉语复句精加工语料库,我们必须进行非分句语言片段的自动识别工作,目的是把这些语言片段排除在分句层次分析的范围之外。这项工作建立在自动分词和词性标注的基础上,主要分三个阶段进行。

普通话儿童言语心理情绪与态度研究——以含有句末语气词“吧”的话语片段为例

使用个案儿童一整年(每周一次不间断,共50个小时)的儿童家长话语交流语料,提取句末含有"吧"的489个话语片段进行整理,结合具体的例子,分析体现儿童心理认知态度的话语片段,考察普通话儿童话语交流时的具体心理情况。