[发明专利]一种基于先验知识的发音评估与诊断系统

说明书

技术领域

本发明涉及计算机辅助语言学习和语音处理技术领域，特别是一种基 于先验知识的发音评估与诊断系统。

背景技术

我国传统的普通话学习和测试方法，目前正面临着普通话推广的迫切 需求与学习和测试条件不足的突出矛盾。普通话学习需要针对学生个别的 问题进行纠正，需要长时间的互动式交流，这些条件以目前的师资是无法 满足的。同时，口语考试是检验学习成果的有效手段，但耗时耗力的人力 组织，不可避免的公正性问题以及很难提供反馈信息等因素已成为制约普 通话口语考试发展的瓶颈。要解决以上问题，计算机辅助语言学习和测试 是个可行的方案。随着计算机技术和语音识别技术的发展，计算机语言学 习和测试系统已经从最初的只能进行听力、阅读、书写等功能发展到对语 言学习者的发音水平进行自动评分、指出发音错误并根据发音错误提供诊 断信息，从而对学习者的发音水平进行全方位测试并帮助学习者改进发 音，提高学习效率。因此，作为新一代计算机辅助语言学习和测试系统的 核心部分，自动发音评估和诊断技术日益受到关注。

目前的自动发音评估和诊断技术是基于统计语音识别框架下的发音 评估和检错策略。它首先对输入语音进行音素分割，对分割得到的每一个 音素，计算对数后验概率或其简化形式作为发音特征，进行发音质量评估， 针对学习者的发音水平给出相应的得分，并采用统一门限进行错误检测。

上述方法所面临的问题是：首先，发音评估和诊断的准确性不是很高， 特别是对一些在实际发音中经常犯错的、发音又很接近的易混淆音素对。 其次，只能针对学习者的发音水平高低给出相应的得分，无法给出更有指 导意义的诊断信息。为解决以上问题，本发明构建一个基于先验知识的发 音评估与诊断系统，该系统不仅可以对学习者的发音给出分数，而且可以 给出更为细致的诊断信息。

发明内容

(一)要解决的技术问题

有鉴于此，本发明的主要目的在于针对现有发音评估和诊断方法的缺 点，引入语言学和普通话教学中的先验专家知识，提供一种基于先验知识 的发音评估与诊断系统，以提高语言学习和测试的效率和效果。

(二)技术方案

为达到上述目的，本发明采用的技术方案如下：

一种基于先验知识的发音评估与诊断系统，该系统包括：

语音预处理单元，用于对学习者输入的原始语音进行预处理，以实现 对语音基本内容的确认，将内容基本符合标准脚本的语音分割为音素级的 小单元，输入到发音评估单元进行判别；

发音评估单元，用于对输入的语音进行初步发音质量评估，利用易混 淆音素对的发音错误先验知识对传统后验概率进行修正，基于修正后的后 验概率进行发音评估，计算出的后验概率通过映射模型可以转换为直观的 衡量发音水平的分数或等级；

发音评估确认和诊断单元，用于对发音评估单元输入的初步评估结 果，利用易混淆音素对的区别性特征的先验知识，采用基于区别性特征及 分类器的方法，进行发音评估结果的确认，并从声学语音学角度提供发音 诊断信息；

模型和先验知识库单元，用于保存音素对齐和计算后验概率的模型， 以及先验知识库；以及

评估信息和诊断信息输出单元，用于输出包括分级和打分结果的发音 评估的分数、发音错误的定位信息、发音错误类型，并给出矫正的指导性 建议。

上述方案中，所述语音预处理单元包括：

端点检测子单元，用于从信号中区分出语音和非语音信号，确定语音 的起点和终点；

特征提取子单元，用于计算有效语音的声学参数，并进行特征的计算， 提取出反映信号特征的关键特征参数；

内容确认子单元，用于对输入的语音进行内容方面的验证，如果输入 发音的内容与给定文本内容差异不大，则对语音进行后续的发音评估和诊 断；对于内容和给定文本差异很大的语音，不再进行后续发音评估和诊断， 直接判断为用户发音错误；

音素对齐子单元，用于将输入的有效语音分割成音素级的单元，以便 后续的处理。

上述方案中，所述反映信号特征的关键特征参数是反映人耳听觉特征 的Mel频率倒谱系数MFCC，包含由12维倒谱值加上1维能量值构成的 静态特征，以及该静态特征的一阶动态特征和二阶动态特征。