维吾尔语闭合式单、双音节词表的设计

目的设计维吾尔族3~6岁儿童使用的维吾尔语闭合式单音节词和双音节词测听词表。方法采用Peabody图片词汇测试作为测试工具,加入新疆地区的常见词汇,在10名听力正常的3岁~3岁3个月维吾尔族儿童中测试他们的接受性词汇。10名儿童全部回答正确的词汇予以保留,作为闭合性词表的备选词汇。结果获得205个备选词汇。根据词汇的音节数目,分为单音节词40个、双音节词124个、三音节词35个、四音节词5个和五音节词1个。40个单音节词组成1套单音节词表。124个双音节词中,随机选择120个,根据词性、词意和音位上均衡的原则,随机分成3组,组成3套双音节词表。结论本研究遵循儿童言语测听词表的设计原则,初步形成了维吾尔语闭合式单音节词表和双音节词表文字。

普通话言语测听材料的制定策略

目的为适应汉语常用词汇变化,编制新的普通话测听言语表。方法新编普通话测听言语表中字和词都须按日常言语中声、韵、调的频繁比率编订,即所谓音素平衡;所选字、词和句子都必须是常用的。词表只选用扬扬格双音词。结果新编普通话音素平衡测听表共包括字表4份、词表4份,短句表3份。所有表格均体现出平衡、高频和普适的特点同类表格中的各个样本以及不同类型的表格样本在上述三个特点上等值,依据任何一张表格得出的检测结果均具有可比性。结论新编普通话测听言语表的编写运用严格的统计学处理方法。

DTZH1505:大规模开源中文普通话语音库

近年来,深度学习在语音识别领域取得了突破性进展,并推动语音识别技术广泛应用到人们的日常生活中。语音识别模型的进一步优化需要更大规模标定数据的驱动,然而,目前开源的语音数据集规模仍太小,语料多为偏向书面用语的新闻类长文本。针对人机交互、智能客服等热门语音识别应用,通过众包模式采集朗读式语音,构建并开源了迄今为止最大规模的中文普通话语音数据集DTZH1505。数据集记录了6408位来自中国八大方言地域、33个省份的说话人的自然语音,时长达1505 h,语料内容涵盖社交聊天、人机交互、智能客服以及车载命令等,可广泛用于语料库语言学、会话分析、语音识别、说话人识别等研究。开展一系列基准语音识别实验,实验结果表明:相较于同规模中文语音数据集aishell2,基于此数据集训练的语音识别模型效果更好。