基于嵌入式平台与DNN-HMM的中文儿童语音能力评估研究

儿童语音能力评估对提高其语言发展规律的认识,促进儿童语言、认知和社交能力的全面发展有重要意义。利用嵌入式硬件平台及深度神经网络隐马尔可夫模型(DNN-HMM)开展中文儿童语音能力评估研究。首先,使用LD3320语音芯片设计嵌入式硬件平台,然后利用线性校正单元构建深度神经网络,利用构建的DNN-HMM模型对中文儿童语音数据进行训练与测试,并结合一般内容概率潜在语义分析(GC-PLSA)模型开展语音评分,最后,将模型移植到嵌入式平台进行语音能力评估实验。实验结果表明:与传统高斯混合、隐马尔可夫模型(GMM-HMM)相比,基于DNN-HMM模型在儿童长、短句连续语音词错率(WER)方面均降低约5.4%、5.6%,且DNN-HMM模型获得的平均得分也要高于GMM-HMM模型。

语音系统困难儿童的评估和治疗:个案研究

本研究采用语音加工分析方法 ,探讨了一名说广东话有语音障碍的儿童的语音系统 ,并对其语音系统进行了评估和分析 ,本文亦藉此个案对语音系统困难提出一系列的治疗建议。