[发明专利]测试英文口语韵律水平的方法

说明书

技术领域

本发明涉及人工智能行业语音信号处理与模式识别技术领域，尤其涉及一种测试英文口语韵律水平的方法。

背景技术

韵律是针对言语这一人类的行为提出来的，言语交流的媒介是声音，所以说者要传达的信息以及听者能够听到的信息都包含在声波中。在计算机辅助语言学习中，韵律表现好比语言学习者表达境界“信、达、雅”中的“雅”，是言语中最高级的一环，它通过复杂的物理和声学模式在言语上进行作用，以表征说话者的语气、态度、意图和情感等超音段特性。可以说，学习者在表达过程中，只是会读并不一定代表对语言已经掌握，而真正对所述内容的融会贯通在很大程度上取决于其韵律的表现程度。

韵律水平测试是计算机辅助自动口语测试系统中的一个重要组成部分，本发明所述的韵律测试和以往针对语音合成领域的韵律生成和测试是有着本质区别的。以往针对语音合成领域的韵律生成和测试，其所关注的是如何有效提高所合成出语音的韵律性和自然度。而本发明的韵律测试则是关注测试人群的真实口语发音的韵律掌握水平。本发明更为关注口语水平较高的测试人群，即在内容表达比较完整、发音准确度较高以及流利程度较高的口语测试人群中，通过对韵律水平的测试，达到进一步“好中取优”之目的。

韵律感知的基本声学相关物是基频、时长和能量，而从人感知的角度来看，通常从语调和节奏两个方面去衡量某个句子或段落的韵律水平。语调主要反映主观听感中的“抑”和“扬”，在声学特征层面，则是通过语音中的基频随时间的变化，去反映语调、语气和情感的变化。节奏则包括重音、停顿、语流控制等层面，重音主要反映主观听感中对表达内容的轻重、偏颇和加重，英语是一种典型的重音节奏语言，正是依靠这种重音变化才在听觉上带来强烈的节奏感。停顿主要反映主观听感节奏中的错落感，多由意群、语义或内容转换的间隙而产生。语流控制则主要反映主观听感节奏中对整个语流中各音段时长的宏观分布的总体把握情况。

从人机通讯的角度来看，言语交际实质上就是一个对于说者是编码、对于听者是解码的过程，而韵律测试正是利用机器对言语进行自动化解码过程的重要一环。而从语音心理学角度来说，对于人在感知上为什么会觉得一段语音的韵律比另一段好，至今并没有形成普遍的认识和共识。目前，面向语音合成任务的韵律分析的研究较多，而针对教育测量目标的韵律测试的研究相对较少，但其应用需求呈现递增趋势。

现有的韵律测试方法普遍采用直接使用单纯的基频、时长和能量特征的方式，没有对特征本身进行深入加工，也没有针对性地引入与韵律表现、韵律产生以及韵律影响相关联的多知识源模型。而教育测量和模式识别领域的大量研究实践表明，单纯笼统地使用韵律特征很难进一步提高测试性能。

发明内容

(一)要解决的技术问题

为解决上述的一个或多个问题，本发明提供了一种测试英文口语韵律水平的方法，以使用多知识源信息进行细化并融合的策略取得更佳的测试效果，提高测试的客观性和准确性。

(二)技术方案

根据本发明的一个方面，提供了一种测试英语口语韵律水平的方法。该方法包括：步骤A，对原始英语语音信号进行预处理；步骤B，在进行预处理后的原始英语语音信号中提取用于韵律测试的多知识源特征参数，多知识源特征参数包括：韵律表现特征；韵律产生特征；韵律影响特征；步骤C，由多知识源特征参数获取原始英语语音的韵律水平测试分数。

优选地，本发明英语口语韵律水平的方法中，步骤A包括：步骤A1，对原始英语语音信号进行有效语音段检测，滤除噪音段和过长的停顿段，保留有效语音段信号；步骤A2，对有效语音段信号进行分帧处理；步骤A3，使用语音识别器对进行分帧处理后的有效语音段信号和对应文本进行自动对齐，获得音素、音节、单词和句子的边界点信息。

优选地，本发明英语口语韵律水平的方法中，步骤A2中，以25ms为帧长度，10ms为帧间隔。