基于音素相关后验概率变换的发音质量评价

摘要：

帧规整对数后验概率是目前公认最有效的发音质量的度量。但该文证明了该度量还反映了当前发音对应的声学模型与概率空间中声学模型的混淆程度,使其在评分任务上存在着严重的缺陷。因此,该文提出了可训练的音素相关的后验概率变换;并研究了线性和非线性sigmoid变换,同时给出线性变换的显式全局最优解和非线性变换的梯度下降解法。在全国采集的普通话水平测试现场考试的篇章朗读题型上进行实验。实验结果表明：当概率空间包含所有音素时,该方法能使人机相关度从0.582提升至0.768;当采用优化的概率空间时,该方法能使人机相关度从0.696提升至0.773。

关键词：计算机辅助语言教学、发音质量评价、后验概率变换

所属期刊栏目：51

分类号：TP181(自动化基础理论)

在线出版日期：2012-04-21（万方平台首次上网日期，不代表论文的发表时间）

页码：1205-1208,1214