中文轉客文文轉音系統中的客語斷詞處理之硏究

摘要

語言(Language)是文化傳承與推廣的首要工具，尤其是少數族群的語言，如：台灣的客語或原住民語言。臺灣的客家族群約佔總人口七分之一，為閩南語語系外之第二大族群。根據近年來相關臺灣客語使用狀況調査報告指出，阻礙客語傳承之主因是：不太會講。由於台灣學習環境使然，導致連客籍家庭的學童亦少能以客語說話、交談，具有聽、說客語能力者逐年下降，能說客語的人口大量減少，台灣出現客語失聲，客家文化失傳之危機。我們為了建置線上客語的數位學習系統，已開發出以大量合成單元為基礎的客語四縣腔及海陸腔的中文轉客文的文轉音系統(Hakka Text-to-Speech, HTTS)，以及相關的應用系統，如：線上國客雙語有聲詞典、國客雙語有聲地圖社群系統等。我們的系統，主要是提供不太會講客語或不會講客語的使用者來使用、學習客語。因此系統的輸入為「中文文句」，輸出為「客語語音」。這樣的操作設計，學習者或使用者能不需額外再學習客語輸入法、客語拼音，只需使用最熟悉的中文，即可透過本系統來學習客語。為了更進一步改善與提升文轉音的效果，本論著重在改善系統中的客語文句分析模組的客語斷詞處理。在系統中，使用者輸入中文文句後，透過我們提出的客語斷詞方法，能將「中文文句」轉換為「客語文句及斷詞和詞性標記結果」。透過這個提升後的斷詞與詞性標記結果，來得到更佳的文句分析結果、提升文轉音中的文意正確性，如：韻律階層的求取、停頓類型的求取及讀音的求取。本論文提出混合型的N-Gram序列分數算法，搭配中文斷詞模組及動態規劃演算法的客語斷詞方法。在嚴重資料稀疏的客語語料下，對中文轉客語斷詞結果的精確率有80.78%。相較於傳統中文詞直翻客語詞的方法，已提升不少。