计算机用于英语背诵题的自动评分技术初探

计算机辅助语言学习日益成为研究重点,但目前主要开展的还是朗读题型的自动评分技术研究。在已有的朗读题自动评分工作基础上,首次提出并尝试背诵题的自动评分研究工作。通过分析背诵题的特点和规律,提出了用"结合静音模型和吸收模型的句子并联网络"进行背诵文本的自动识别,并在识别结果基础上选取更适合背诵题的评分特征,再结合朗读评分中的自适应技术,实现英语背诵题的自动评分。在2006年外研杯新概念英语大赛采集的342份数据上,系统取得了较好的评分性能:人机评分相关度达到0.732,平均分差0.358,达到了专家间相关度的90%,在完整度和流畅度的细节评分上,自动评分水平甚至超过了人工评分水平。

数据驱动方法的语音库裁剪研究

为解决语音库裁剪会造成不定长损失的问题,首先提出了 NuClustering-VPA 算法,该算法对不同粒度的不定长变体进行递阶聚类,根据高阶聚类结果调整低阶变体的聚类,从而保留在声韵上最为重要的变体。接着提出了虚拟不定长替换的概念,意图弥补不定长的损失,并结合合成使用变体的频度,给出了可以任意比例裁剪语音库的 StaRp-VPA算法。大规模测听表明,两种算法在裁剪率小于50%时,合成自然度几乎没有下降;当裁剪率大于50%时,StaRp-VPA 给出的音库合成自然度也不会严重降低。两种裁剪在合成系统的移植中得到了很好的应用。