基于发音特征的发音偏误趋势检测研究

为了提升计算机辅助发音训练(CAPT)系统中发音偏误趋势(PET)的检测效果,确保反馈信息的准确性与有效性,提出一种基于对数似然比的发音特征方法。该方法将多个基于深度神经网络的发音特征提取器用于生成帧级别的对数似然比,然后将对数似然比组成的发音特征用于PET的检测,为学习者提供发音位置和发音方法的正音信息。实验结果表明,发音特征对PET的检测效果优于常用声学特征(MFCC,PLP和f Bank),当发音特征与MFCC特征相结合时,可以进一步提升性能,达到错误接受率为5.0%,错误拒绝率为30.8%,诊断正确率为89.8%的检测效果。

基于发音特征的汉语发音偏误自动标注

针对发音偏误检测系统语音标注费时、费力和标注不一致的问题,基于发音特征,构建偏误检测系统,给出Top-N的识别结果,通过praat软件呈现机器初步标注文本,在此基础上进行人工二次标注。实验结果表明,与单纯的人工标注相比,所提出的自动标注加人工二次标注方法在标注一致性上从80.7%提高到92.48%,平均每个句子的标注时间从10分钟减少到3分钟。所提方法有效地提高了人工标注的效率,可以在有限时间内为识别系统提供更多可靠的标注语料。