Selection of Suitable Features for Modeling the Durations of Syllables

Acoustic analysis and synthesis experiments have shown that duration and intonation patterns are the two most important prosodic features responsible for the quality of synthesized speech. In this paper a set of features are proposed which will influence the duration patterns of the sequence of the sound units. These features are derived from the results of the duration analysis. Duration analysis provides a rough estimate of features, which affect the duration patterns of the sequence of the sound units. But, the prediction of durations from these features using either linear models or with a fixed rulebase is not accurate. From the analysis it is observed that there exists a gross trend in durations of syllables with respect to syllable position in the phrase, syllable position in the word, word position in the phrase, syllable identity and the context of the syllable (preceding and the following syllables). These features can be further used to predict the durations of the syllables more accurately by exploring various nonlinear models. For analying the durations of sound units, broadcast news data in Telugu is used as the speech corpus. The prediction accuracy of the duration models developed using rulebases and neural networks is evaluated using the objective measures such as percentage of syllables predicted within the specified deviation, average prediction error (μ), standard deviation (σ) and correlation coefficient (γ).

英语诗歌中的语音连贯与翻译

语音之间明显存在的重复关系会形成一种连贯效应;这种现象多见于诗歌之中,最常见的是行末音节的重复,以及音节轻重、长短、平仄的有规律重复,它们建构了诗歌中的韵式与节奏,从而形成诗歌的音乐性。本文分析了英语诗歌中的语音连贯机制,指出在翻译中再现原诗音乐性的最优方案是将原诗语音连贯的模式用译文语言以尽可能接近的方式复制出来:对于利用音节重复建构韵式的连贯模式,译文也应采用同样的语言策略;而对于原文利用音节的轻重来建构节奏的连贯模式,译文则采用“以平仄代抑扬”的方式来作对应。如此,方能将原诗的格律以最优化的方式体现出来。

基于局部Transformer的泰语分词和词性标注联合模型

泰语分词和词性标注任务二者之间存在高关联性,已有研究表明将分词和词性标注任务进行联合学习可以有效提升模型性能,为此,提出了一种针对泰语拼写和构词特点的分词和词性标注联合模型。针对泰语中字符构成音节,音节组成词语的特点,采用局部Transformer网络从音节序列中学习分词特征;考虑到词根和词缀等音节与词性的关联,将用于分词的音节特征融入词语序列特征,缓解未知词的词性标注特征缺失问题。在此基础上,模型采用线性分类层预测分词标签,采用线性条件随机场建模词性序列的依赖关系。在泰语数据集LST20上的试验结果表明,模型分词F1、词性标注微平均F1和宏平均F1分别达到96.33%、97.06%和85.98%,相较基线模型分别提升了0.33%、0.44%和0.12%。

音节干预模式在言语语言障碍康复中的构建

在语音障碍中,功能性构音障碍和音系障碍十分常见。本文通过系统梳理目前常用的语音训练理论与方法,提出了基于音节理论的言语治疗中的音节干预模式,并详述了音节理论的基础、内容和干预原则。在临床语音干预过程中,治疗师应以沟通为目的,在制订干预策略时特别关注汉语母语者的康复训练。音节干预模式是一种解决构音障碍和音系障碍等相关问题的有效策略。

调值演化与音变竞争:胶辽官话去分阴阳及相关演变研究

山东境内的平度型方言存在去声无规则归人阴平和阳平的现象。文章通过分析轻前变调,指出该类方言的去声在历史上分作阴去和阳去两类,并把平度型方言的古调值构拟为:阴平*21、阳平*55、上声*213、阴去*31、阳去*42,而现代方言中去声的无规则分化是源于*55>42>31和*31>42的竞争性音变。

日语与客家方言的汉字音入声韵尾对应关系初探

汉字在日语与客家方言中的入声韵尾的对应关系较为规整。在所研究的391个入声字中,有281个汉字在两种语言中入声类型一致,即[-d]对应[-つ/-ち],[-g]对应[-く/-き],[-b]对应[-う/-ふ)]。然而,有77个汉字在客家方言中已由[-g]演变成为[-d],导致其与日语中的入声韵尾类型不一致。此外还有33个汉字在日语与客家方言中的入声韵尾的对应关系较为特殊。

基于子音节表征的苗语语音合成方法

少数民族语言的语音合成有助于民族文化的传承、保护和发展,目前相关研究成果较少。针对不同声调的相同词发音相似时易出现语音合成错误的问题,提出了一种基于子音节表征的苗语语音合成方法,该方法利用子音节作为训练基元来表征苗语发音信息,以区分学习不同音节间的相似发音。根据文本序列和梅尔谱图之间对齐的单调性,引入单调对齐损失来指导注意力模块进行更准确的对齐学习,以减少因注意力机制的自回归性带来的跳词、重复等合成现象。为验证所提方法的有效性,以自建苗语语音合成语料库HmongSpeech(下载链接:http://sxjxsf.gzmu.edu.cn/info/1728/1214.htm)作为基准数据集,与典型的语音合成方法进行对比实验。实验结果表明,所提方法能够降低不同声调的相同词发音相似时导致的合成错误率,词错误率仅为0.96%,较基线方法改善了6.25%。

不同道德情境下叠音品牌名称对消费者道德反应的影响——心智知觉理论的视角

品牌名称是建立品牌-消费者关系的重要连接点,是品牌资产的构成要素。品牌语言学的研究发现,品牌名称的语音特征会影响消费者的认知、情绪与行为,但鲜有研究考察语音特征对消费者的道德反应的影响及其路径。本研究基于心智知觉理论,探究了品牌分别作为道德主体和道德受害者两种不同的角色时,叠音品牌名称影响消费者道德反应的非对称性路径。具体而言:品牌作为道德主体违规的情境下,相较于非叠音,叠音品牌名称能通过降低消费者感知的品牌心智的“思考”维度(而非“感受”维度),来缓解消费者对品牌的消极道德反应(愤怒、厌恶、谴责、惩罚行为意图);而当品牌作为道德受害者受害的情境下,叠音品牌名称则通过提升消费者感知的品牌心智的“感受”维度(而非“思考”维度),来增强消费者对品牌的积极道德反应(同情、怜悯、遗憾、购买支持行为意图)。本研究通过7个实验证明了假设,从理论上创新性地探索了语音特征与道德反应的因果关系,揭示了品牌心智的两个维度作为不对称中介存在的机制,为实践中品牌道德事件公关和公益营销传播工作提供了借鉴。

北方方言中的“着上[t■α■]”

表示“添加/放(入)”义的常用动词在一些官话方言中读[t■α■]一类的音,部分方言中“[t■α■]”还有工具格介词、处置式标记的用法,相当于“凭借/用”“把”“让/叫/使”等。关于“[t■α■]”的本字和演变问题,学界有一些不同的看法。本文主要结合方言和文献语料,对“[t■α■]”的语音、语义(功能)等进行描写,分析以往学者认定的本字“掌、长、着”等的音义和功能,在此基础上论证“[t■α■]”更可能是“着上”的合音。

内隐联想测验中叠音姓名对人际知觉的影响

已有研究大多是从外显的角度探讨叠音姓名特征对人际知觉的影响,而内隐层面的研究还比较缺乏。研究采用内隐联想测验(IAT)任务,考察了叠音姓名对大学生人际知觉(温暖知觉、能力知觉)的影响。结果发现:与非叠音姓名相比,被试更多地将叠音姓名与高温暖属性和高能力属性相联系。这说明在内隐认知层面上,个体对叠音姓名存在高温暖属性维度与高能力属性维度的偏好。

苗语语音音节自适应切分算法

语音分割是苗语语音基础研究的难点和热点问题,其本质是苗语语音音节与沉默段(静音、噪音)之间边界模糊问题,目前相关研究成果较少。针对苗语语音音节分割边界模糊问题,以时域特征分割获得初始的语音边界,通过构建语音音节边界优化评价函数模型,将音节与沉默段之间边界模糊问题转化为音节真实边界和算法预测边界的误差极小化问题,以精英策略保留算法最佳优化分割边界种群个体,提取苗语语音音节与沉默段间的精准边界。实验结果表明,所提方法能显著提高苗语语音音节自适应边界搜索能力。此外,所提自适应分割算法在语音分割模糊边界分割方面显著优于典型的语音分割算法。

日语的词源和造词法

日语原本是一门十分科学且有序的语言。在最初的日语体系中,存在着许多单音节词,但这些词多与后续音节形成整体,从现代语的角度来看往往无法独立存在。正是这种无法独立存在的现象,反映了造词从单音节向多音节转变的过程,单音节词仍然保留其原形,即词源。词源反映出各个意义相近的词之间的联系,而造词法则关乎着各种词类的体系化。该文聚焦各种具有共同音节的词群,力图通过对词群的分析还原原始日语中存在的词源,并基于单音节的词源归纳出多音节词的造词法。对词源和造词法的探究,可以使我们更深层次地掌握日语这门语言。

庄河市区方言单字调实验研究

庄河市地处辽东半岛东南部,位于大连市东北部,庄河方言属于胶辽官话登连片烟威小片。本研究运用语音实验的研究方法,利用Praat语音分析软件,对庄河市区8位发音人的语音材料进行分析,通过描写庄河市区方言单字调实验格局,认为庄河市区方言属于三调方言,三个声调分别为阴平、上声、去声。其中阴平调是全降调,调值为51;上声是曲折调,调值为213;去声分为平降和升降两种调型,调值分别为442和341。

形容词转指的三音节手段及相关问题

音节数目的多寡具有形式手段意义。除常规转指手段外,形容词还可以使用三音节作为形式手段实现转指。“老糊涂、高富帅”等并不是无标记转指。从音节数目的角度看,“编辑、剐蹭”等也不是无标记转指。同等条件下,更大音节数目倾向实现为指称性,而更小音节数目倾向实现为陈述性。这种倾向在谓词体词化、体词谓词化中都有相互对应的表现。

基于语言文化的中国现当代声乐创作研究:音节、音素与音色之关系

声母和韵母是汉语音节的组成部分,也是我国声乐创作重要的音色基础。当今的创作者从音乐表现出发,对声、韵的语音特质有所发挥。一些兼用汉语与兄弟少数民族语言的声乐作品,其音译词的音素具有突出的音色美感,经过作曲技术的结合处理之后,在作品中起到渲染情绪、塑造音响、传达语义、符号象征和完善曲式结构的作用。声乐作品中的衬词不仅多样而且富于包容性,但如何更加准确地进行记录也是创作中需要关注和解决的问题。

满语口语音节收尾语音语流音变规律

在满语口语中,词中后续音节起首辅音的强弱是根据其前邻音节收尾音素的强弱而变化的,音节收尾处的音素可分为弱、中强、强3个级别。第一,弱音收尾:元音,鼻音m、n、ng,边音l之后续音节起首辅音弱化。第二,中强音收尾:钝辅音b、k之后续音节起首辅音不变,其本身可脱落,辅音r后续音节起首辅音有两类;第三,强音收尾:清擦音s、送气清塞音t之后续音节起首辅音字h强化。以三家子满语口语为代表的黑龙江、嫩江流域原住满族的口语后续音节起首辅音的发音方法受其影响而被同化。

两种典型的语音转喻:语调转喻和音顿转喻

语音转喻典型成员有二:一是语调转喻,一是音顿转喻。前者是指将句末边界调“基频走高”和“基频走低”作为传递疑问信息和陈述信息的重要手段,后者是指将二音顿和二一音顿语句收尾形式作为营造道白风格和吟咏风格的基本途径。尽管语调转喻和音顿转喻很早即为学界所关注,但在有关解释上始终未能形成统一认识。文章根据事实再观照以及歧见再梳理指出:对于语调转喻形义关系的建立来说,起决定作用的乃是质疑和陈述时的心理状态;对于音顿转喻形义关系的建立来说,起决定作用的乃是不同音顿形式与生理节律和心理节律的不同对应联系。

时空观下英汉诗歌语言对比研究

诗歌文化的历史悠久,它既是语言的美学体现,也是一个民族语言不可或缺的一部分。该文从音节、词汇、句式3个方面对比研究英汉诗歌语言的不同特征。在音节音韵方面,汉语诗歌展现出了一种块状性的特征。在汉语诗歌中,音节的排列和韵律常常以块状的方式出现,创造出一种独特的节奏感。相比之下,英语诗歌更倾向于延续性的音节,这使得它们在韵律上表现出一种不断流动的特点。在词汇选择方面,汉语诗歌通常偏爱名词并重的表达方式。与之不同,英语诗歌更倾向于使用动词并重的表达方式。在句式方面,汉语诗歌呈现出离散性的特点。相反,英语诗歌更倾向于连续性的句子结构,使得诗歌在整体上呈现出更加流畅和连贯的感觉。通过这些对比研究,印证了英语具有强时间性,汉语具有强空间性的特征。

融合音节和词条特征的藏文文本情感分类研究

将深度神经网络模型应用于藏文文本情感分类中,虽然取得不错的分类效果,但仍然存在因藏文评论文本长度较短引起的特征稀疏的问题,使得深度学习模型不能够提取到更为全面的藏文文本语义特征。该文提出一种以藏文音节和藏文词条同时作为文本基本表示对象,采用CNN、BiLSTM和Multi-Headed Self-Attention机制等深度学习模型完成对藏文评论文本情感分类的研究方法。实验首先对音节和词条进行向量化表示,然后分别采用多核卷积神经网络、BiLSTM和Multi-Headed Self-Attention机制获取藏文文本中多维度的内部特征,最后通过特征拼接,再经激活函数为Softmax的全连接神经网络完成文本情感分类。研究结果表明,在该文的实验测试语料集上,融合音节和词条特征模型的分类准确率要优于基于音节的模型和基于词条的模型。

CCPSO优化支持向量机的鸟声识别技术研究

鸟类是生态系统中的重要组成部分,鸟类物种的多样性对生态环境有重要作用。所以,通过鸟声信号来识别鸟类从而对其进行保护有现实意义。文章对鸟声信号采用双参数的双门限法进行分段,从鸟声信号中寻找出声音的起始点和终止点的具体帧,进一步进行特征提取,提取每段鸟声信号中的短时能量和短时平均幅度,短时语谱图中的平均值、对比度、熵,共5种特征,采用优化参数的支持向量机进行鸟类物种分类。结果表明,基于混沌云粒子群优化(Chaos Cloud Particle Swarm Optimization, CCPSO)的支持向量机对比普通支持向量机的分类准确度得到提升,可有效地识别鸟类。利用该方法实现鸟类物种保护和生态系统管理的目的。