文本無關普通話口語復述題自動評測的設計與實現.pdf

1、當前,基于計算機輔助學習系統(tǒng)(CALL, Computer Assisted Language Learning)在語種學習、語音評分、語音糾正等方面有著廣泛的應用前景。現有的基于計算機輔助的題型評測主要集中在朗讀、跟讀這類文本相關式題型,對于口語復述題這樣的文本無關式題型沒有形成有效的評分方法,主要靠人工評分完成,從而極大的影響了CALL系統(tǒng)的全面推廣和使用,特別是面對人口眾多的我國,如果擁有有效的基于計算機輔助的文本無關式題型評測系

2、統(tǒng),將大大減少工作量、提高工作效率。本文圍繞普通話口語復述題題型自動評測進行了一定的研究,為文本無關式題型的自動評測提供了一定的經驗、奠定了一定的基礎。
　　在系統(tǒng)架構設計上,結合語音評測系統(tǒng)的設計思路,針對大規(guī)模連續(xù)語音識別(Large Vocabulary Continuous Speech Recognition,LVCSR)在不同環(huán)境、不同說話人、不同說話方式下識別信度得不到保證的問題,綜合口語復述題題型的特點,提出將關鍵

3、內容檢測作為口語復述題題型評測的核心內容檢測模塊,使用發(fā)音質量、關鍵內容、流利度、韻律作為評分特征對復述題進行評測,并搭建了實驗平臺,仿真結果取得了專家評分性能的81.6％。
　　在韻律評分上研究和統(tǒng)計了基于“863”語音庫的Gamma時長模型和評測方法。
　　在系統(tǒng)魯棒性上,提出將小波降噪法(Wavelet de-noise)運用到評測系統(tǒng)中,利用小波的多分辨率分析特性濾除說話人語音的噪聲污染,還原盡可能純凈的原始語音,有

4、效改善了系統(tǒng)的穩(wěn)健性,在相關性上使系統(tǒng)性能獲得了4.1%的提升,另外對小波基函數、分解層數、閾值規(guī)則上的選擇上進行了驗證,并詳細分析了對不同信噪比(Signal-to-noise Ratio,SNR)的語音去噪后對相關性和平均分差的影響。
　　在交互式界面設計上,充分利用了MATLAB強大的數據處理能力,并運用MATLAB-GUI開發(fā)工具,對系統(tǒng)進行了總體設計。
　　最后,論文給出了系統(tǒng)在MTALAB-GUI平臺上的實驗結果