音素

摘要： 在汉语言语产生中,大多数研究聚焦于音节的发生阶段和作用大小,认为其在音韵编码阶段起重要作用,但目前关于音素的加工机制还不清楚,对音素的作用阶段存在争议。本文将总结国内外相关研究,提供音素可能作用于音韵编码的前期或后期,或/和语音编码阶段的证据,同时探讨音素在各阶段的效应大小和方向。最后基于研究现状,从研究方法上,如改进实验范式、结合其他技术手段等方面进一步探讨音素的作用机制,为未来研究提供建议。对音素的探讨将有助于深化对汉语言语产生的认识,了解印欧语系语言与汉语在言语产生机制上的异同,为建立汉语言语产生模型提供基础。

摘要： 随着跨民族、跨区域之间的交流的增加,对各地的方言进行研究就显得十分必要.文章试图通过对新疆维吾尔地区一部分方言的分析研究,从语言的发音音素级别,找出区分方言的音素要素.通过分析元音音素的发音特征,得出音素共振峰在划分性别、区分方言所属区域方面有近乎决定性的作用.通过对音素共振峰特征的分析,得出了与现实相符的喀什、和田女性发音相近的结论.

摘要： 大学生英语听力传统教学方式大多都以标准发音的段落听力或者篇章听力为主,强调精听和泛听的练习,强调对听力文本的词汇,句式以及中英对照翻译的分析,极少从语音学的角度辨析材料中的音变现象,语调变化,口音差异等.本文对传统听力教学方式的弊端进行分析,尝试将语音学融合进教学方法中,减少生词或长句中的音变现象对听力理解的干扰,提升学生对听力内容语义的整体理解程度.

摘要： 英语语音学习中,学习者会遇到一些母语中不存在的二语音素,致使习得的时候经常出现困难和错误.本文从语音感知角度出发,引入语音感知同化模型理论,该理论描述二语习得者在习得不熟悉的二语音素时,会根据母语经验,在习得的过程中把这些音素归纳为与母语相似的音素.该研究通过实验设计识别任务和区分任务,分析中国学习者在习得/θ/和/e/时的感知倾向和其他影响因素,探索更有效的二语语音教学方法.

摘要： 自动发音检错是为了满足第二语言学习者发音练习的需求,而先进的自动发音检错系统通常取决于声学模型识别率。随着深度学习技术的发展,端到端声学模型算法已经逐渐成熟,为发音检错算法研究提供的新思路。本文首先构建了基于连接时序分类(Connectionist Temporal Classification, CTC)算法的端到端发音检错声学模型架构。其次,基于二语迁移现象,L2发音往往带有其母语的音素特征,本文利用迁移学习算法提高基于母语的声学模型性能,从而提高发音检错准确率。通过迁移中文母语音素特征的声学模型相比于只使用英文母语的声学模型在错误音素率上有所下降,并且训练时间减少了7.3%。在发音检错性能上检错正确率提升了2.06%。

摘要： 赵元任是我国著名的语言学家,对国语(即官话)、方言研究精深;同时他在音乐领域亦有建树,创作了众多优秀的艺术歌曲.他对官话、方言的研究,也可以从他创作的艺术歌曲中寻见踪影,主要体现在歌曲中词(歌词)、乐(旋律)结合方面.笔者试从汉字字调、平仄关系以及汉语拼音音素几个方面切入,对赵元任艺术歌曲创作中词乐结合之法进行分析,从而对其创作方法的多元性、灵活性进行解读.

摘要： RTL是卢森堡的一个媒体集团,在10个国家拥有54家电视台和29个广播电台,是欧洲最大的广播电视公司之一,他们制作了众多世界知名的电视节目,如X音素(The X Factor)等。本项目是RTL位于柏林的音频中心,由来自瑞士的Evolution Design设计团队设计完成。

摘要： HAC是一种常用的聚类方法。本文的目的是根据语音特征中的音素与连续时间的紧密关系,改进HAC快速算法提高无监督分割语音信号到类似音素单位。该算法是基于同一段特征相似度高于跨段特征的相似度。特征的相似度是通过计算相邻特征间的欧式距离,来得到输入语音特征相邻的距离双链表,链表中的每个节点由语音相邻特征的距离和指向前后相邻节点的指针组成。该算法也是通过遍历相邻距离节点链表,查找最小距离后,对相似的相邻特征进行合并,并重复迭代至最后一个类或满足某个阀值。整个过程完全基于无监督下完成,该方法优于快速HAC算法,与快速HAC算法相比能提升65倍以上的聚类速度,节约更多的内存空间,可应用于零资源的语音分割。

摘要： 现行中学语音教学存在着许多问题:1.教材中语音教学内容的安排分散且学程长,不利于拼读能力的培养,不能满足学生学习的需要,使学生从一开始便处于被动学习地位,学生学习英语的兴趣、自信心受到挫伤,教学效果差.2.孤立、分散教学字母、音标,忽视音素这一重要要素.3.重单音教学轻语流教学.4.重知识传授轻能力培养.这些问题,导致语音教学费时低效,造成学生词汇记忆困难,进而产生了英语学习上的两极分化,影响听说读写的言语实践能力的培养.本文对上述问题,进行了分析和讨论,并研究解决的方法和对策.

摘要： 语音是语言的一种外部形式,是具有一定社会意义的声音,其特征主要体现在音素和音节上。本文以《彝文规范方案》为基础,对彝语音素和音节进行分析,总结其特点,试图将彝语以数字资源的方式呈现,提高彝语学习效率。

摘要： 为了提高车载导航装置信息交互的安全性和效率，解决普通语音识别技术应用于车载导航大词汇量连续识别条件下准确率低的问题，在车载导航语音操控功能分析的基础上，提出了基于音素的车载导航目标地点语音识别解决方案，设计了基于编辑距离的拼音-地图查询字符串匹配算法与多通道整合算法实现了这一方案，选用Microsoft Speech SDK 5.1语音识别引擎结合长春市导航数据在主频为3.3GHz的HP工作站上完成了软件开发。实验结果表明：应用该解决方案，兴趣点语音识别的准确率达到了97％，其中精确匹配达到171次，近似匹配后通过多通道信息整合得到准确结果23次，充分说明了方案的有效性。

摘要： 本文研究的是汉语连续语音识别中声学模型基元的选择问题.根据汉语语音的特点,本文分别采用音节、音素和声韵母等三种语音识别基元进行声学建模.为了描述连续语音中的协同发展现象,本文针对音素和声韵基元,设计了相应的问题集,利用基于决策树的状态共享策略建立了上下文相关音素模型(Triphone)和上下文相关声韵模型(TriIF),并对几种声学基元进行了对比.实验结果表明,对于上下文无关模型,音素和声韵模型都要劣于音节模型,而对于上下文相关模型,Triphone和TriIF模型与音节模型相比,识别性能有了很大提高,其音节误识率分别降低了8.5﹪和23.6﹪.

摘要： 本文从语音听觉的角度出发提出音素与音素结合的融和程度.融和程度指音素结合体在听感上所具有的"合而为一"的程度.由于音节是一种音素结合体,也就可以按融和程度的不同对音节进行分类.本文认为现代汉语在音节上具有高融和程度的特点,并尝试从融和程度的角度对汉语语音的一些表现给出解释.

摘要： 本发明涉及一种对音素时长进行建模和预测的方法，利用计算机程序自动获取训练数据集，并对训练数据中的离群点进行自动剔除；对文本特征通过音向量和组合决策树建模，使文本特征的描述更加方便和精确；在音向量训练中，采用统计语言模型的训练方法来联合训练音向量和词向量，最大程度上保留了发音单元的连贯特性，不需要任何手工标注信息，从而大大降低了系统实现的复杂度和人工参与程度；采用双向长短时记忆循环神经网络对音素时长模型进行建模，能够更好地考虑上下文信息，也更加符合音素时长预测的本质。利用本发明，大大提高了时长预测的准确性，进而提高语音合成的表现力和自然度。

摘要： 本发明涉及一种基于音素对迭代融合的多语种音素识别方法，属于音频信号处理技术领域。获取并通过多语言国际音标转化来有效利用有差别资源度的多语种音素资源，统一映射到直接获取语言的数据集进行非映射IPA音素簇扩充之后，重建的新数据集取代传统单一通用数据集以用于融合音素集。以人体声道发声为约束，构造人体发音共振约束的音素高阶线性预测峰值频带语音学特征，将此语音学特征结合声学特征MFCC融合成新型的音素区分性特征。通过最小同现音素对迭代缩减算法或音素特征余弦相似对迭代缩减算法。最后，基于融合完备音素集构建多语言音素标签，提取标签语言训练集与测试集的新型音素区分性特征，实现可变长语音自动对齐的音素识别。

摘要： 本发明涉及语音信号处理，为研究真实语音和欺诈语音在不同音素上的区别,提高自动说话人系统欺诈攻击检测的效果，本发明，基于音素级分析抑制音素影响的合成语音检测方法，使用F‑ratio对不同真实语音和欺诈语音中的不同音素的各个频段进行分析，找出更有利于鉴别真实语音和欺诈语音的频率范围，增加该频段上的滤波器密度，得到新的特征，并用该特征分别训练真实语音和欺诈语音的高斯混合模型GMM，将待识别的音频提取特征后分别输入两个模型，最后将两个模型的结果用最大似然比打分，得到最终的识别结果。本发明主要应用于语音信号处理场合。

摘要： 本发明涉及一种对音素时长进行建模和预测的方法，利用计算机程序自动获取训练数据集，并对训练数据中的离群点进行自动剔除；对文本特征通过音向量和组合决策树建模，使文本特征的描述更加方便和精确；在音向量训练中，采用统计语言模型的训练方法来联合训练音向量和词向量，最大程度上保留了发音单元的连贯特性，不需要任何手工标注信息，从而大大降低了系统实现的复杂度和人工参与程度；采用双向长短时记忆循环神经网络对音素时长模型进行建模，能够更好地考虑上下文信息，也更加符合音素时长预测的本质。利用本发明，大大提高了时长预测的准确性，进而提高语音合成的表现力和自然度。

摘要： 本发明提供一种音素变形乐曲生成装置，即使对音乐知识缺乏的使用者，也能够简单地生成两个不同乐曲的中间的音素变形乐曲。由第一中间时间范围树数据生成部(6)从第一时间范围树数据中选择地除去共同时间范围树数据和第一时间范围树数据的非共同部分。在第二中间时间范围树数据生成部7中，也通过与第二时间范围树数据相关来进行同样的操作，获得第二中间时间范围树数据。数据统一部将第一中间时间范围树数据和第二中间时间范围树数据统一而生成统一时间范围树数据。乐曲数据生成部通过统一时间范围树数据生成音素变形乐曲。

摘要： 本发明提供一种基于音素混淆网络的音素后验概率算法，包括：预处理分帧；提取每帧语音的语音特征；根据全音节循环网络状态图、声学模型和语音特征向量进行解码，得到最优路径上的各音素分割点信息；在各个音素段内，搭建其对应的音素混淆网络，对网络中的每一条路径计算语音的声学似然值；利用在学习文本对应的路径上获得的声学似然值来计算音素后验概率的分子部分，将混淆网络所有路径上的声学似然值进行时间规整后累加作为音素后验概率的分母，从而计算出更为精确的音素后验概率。本发明的方法，采用一种改进的基于音素混淆网络的音素后验概率算法作为评价音素发音质量的依据，在不影响计算速度的基础上大幅度提高了发音质量评估的准确性。

摘要： 本公开提供了一种音素检测方法及装置、训练方法及装置、设备和介质，涉及人工智能领域，具体为深度学习、语音合成、计算机视觉和虚拟/增强现实、自然语言处理技术领域。方案为：将样本音频的音频频谱图输入音素检测模型，得到至少一个预测音素所属的第一子类别及各第一子类别对应的第一父类别；根据至少一个预测音素所属的第一子类别和样本音频上标注的至少一个标注音素所属的第二子类别生成第一分类损失函数；根据至少一个第一父类别和至少一个标注音素对应的第二父类别生成第二分类损失函数；根据第一分类损失函数和第二分类损失函数对音素检测模型进行训练。由此，结合父类别的分类损失和子类别的分类损失对模型进行训练，可提升识别精度。

摘要： 本公开提供了一种音素检测方法及装置、训练方法及装置、设备和介质，涉及人工智能领域，具体为深度学习、语音合成、计算机视觉和虚拟/增强现实、自然语言处理技术领域。方案为：获取用于指示音频频段对应的目标文本片段中包含的音素的类别编码序列；采用音素检测模型基于类别编码序列对音频频段对应的音频频谱图进行音素检测，以从音频频谱图中确定至少一个音素预测框，从类别编码序列所指示的音素中确定至少一个音素预测框内频谱片段对应的多个候选音素；从至少一个音素预测框内频谱片段对应的多个候选音素中确定至少一个音素预测框内频谱片段所属的目标音素。由此，模型基于文本包含的音素这一先验信息进行音素检测，可提升音素检测的准确性。

摘要： 本公开提供了一种音素检测方法及装置、训练方法及装置、设备和介质，涉及人工智能领域，具体为深度学习、语音合成、计算机视觉和虚拟/增强现实、自然语言处理技术领域。方案为：将样本音频对应的音频频谱图输入音素检测模型，以得到音素检测模型输出的预测音素序列，并根据预测音素序列和样本音频上标注的真实音素序列的条件概率，确定序列损失函数，以根据序列损失函数对音素检测模型进行训练。由此，基于序列损失函数，对音素检测模型进行训练，可以使得模型不仅可以关注到单个音素，而且还可以提升模型对整个音素序列上下文的感知和关注度，从而提升模型的预测效果。

摘要： 本发明公开了一种基于神经网络生成模型的音素级声纹识别对抗样本构造系统和方法，系统包括音素识别器、扰动生成器、听感抑制器、替代分类器和系统优化器，听感抑制器生成受抑制扰动与音素识别器生成的对齐语音叠加生成对抗样本，对抗样本通过替代分类器分类将分数发送至系统优化器并将梯度反向传播给扰动生成器进行迭代更新，得到一个训练好的音素扰动生成器。本发明创新性地提出融合语音中的音素信息进行扰动构造，利用音素识别器识别和定位语音中的音素并在音素级别生成细粒度的通用对抗扰动，从而使得一步生成的对抗扰动能够重用于任意语音文本输入，最终实现文本无关、输入无关的通用对抗样本生成，极大提升对抗样本的生成效率。