一種測定感知參數的區分性的方法以及系統的製作方法
2023-05-30 03:03:26
一種測定感知參數的區分性的方法以及系統的製作方法
【專利摘要】本發明提供一種測定感知參數的區分性的方法及系統，所述方法包括：根據實驗語音學研究結果確定出需要檢測的對立體對，所述的對立體對包括第一對立體、第二對立體；獲取預先設定的感知參數集合，所述的感知參數集合由感知參數組成；根據所述的感知參數集合以及所述的對立體對合成所述感知參數的連續統合成語音；根據所述的實驗語音學研究結果以及所述的連續統合成語音得到所述感知參數對應的感知曲線；根據所述感知參數對應的感知曲線確定所述感知參數的區分性。可以準確快速的測定出各個感知參數的區分性，為後續針對不同的評測任務結合各個感知參數的區分性進行發音偏誤檢測提供了依據，且提高了各種發音偏誤檢測的準確性。
【專利說明】 一種測定感知參數的區分性的方法以及系統
【技術領域】
[0001]本發明關於語音處理技術，特別是關於計算機輔助語音設備中的語音識別技術，具體的講是一種測定感知參數的區分性的方法以及系統。
【背景技術】
[0002]上世紀90年代以來,基於語音處理技術的計算機輔助發音教學(Computer-AidedPronunciat1n Training, CAPT)設備不斷被用於語言教學中。計算機輔助發音教學系統大致分為發音質量評價和發音錯誤檢測。發音質量評價是指計算機自動評估學習者發音的質量好壞，適合用於對發音者的整體語言發音能力進行評判。而發音錯誤檢測是指利用計算機自動指出學習者發音中的具體錯誤，如前鼻音發成了後鼻音，可以告訴學習者更多的反饋信息，如具體的口形，舌位等的改正方法。發音錯誤檢測更加適合語言學習者發音學習中的發音錯誤檢測和矯正，特別是在有了一定口語發音基礎之上的反饋和改正。
[0003]發音錯誤檢測技術雖然取得了一定進展，對於有些錯誤的檢測可以接近於人工標註的水平，但還有部分錯誤發音難以檢測出，即錯誤接受率過高，難以將該系統真正用於指導學生糾正發音偏誤。造成這一問題主要有:(I)、不同的偏誤所表現的區分特徵參數往往不同。如日本人學習漢語的sh、x，即舌頁化偏誤，梅爾頻率倒譜係數MFCC有顯著差別，用該參數能較好的檢測出偏誤；而送氣音的偏誤，其MFCC和基頻等常用參數都沒有顯著差異，嗓音起始時間VOT反而差別較大。這就造成很多偏誤難以使用傳統的參數檢測出。(2)、發音偏誤具有多樣性和複雜性的特點。以漢語為例，日本人學習漢語，通常會出現送氣音、不送氣音混淆，前後鼻音混淆，陽平、上聲聲調混淆等，而英語母語學習者往往出現陰平、去聲聲調混淆。
[0004]針對上述問題，國內外學者根據評測任務的不同提出了多種改進方法。大致可以分為如下三類:
[0005]1、根據經驗以實驗結果為依據選取新的、對特定發音錯誤區分力強的參數。如Strik在MFCC之外，使用了基於上升速率曲線ROR曲線的相關特徵進行荷蘭語音素摩擦音/x/和爆破音/k/的偏誤檢測。Doremalen在MFCC之外，使用了基頻、共振峰以及ASR音段置信值特徵，該特徵是從強制對齊結果的幀後驗概率中計算得到的，比較了荷蘭語的元音發音偏誤檢測效果。Tongmu Zhao採用結構化的參數和SVM模型自動檢測漢語發音偏誤。為了評估發音韻律的好壞，中科院自動化所的黃申使用了基頻、語速、Fujisaki模型參數和成對輔音變異指數rPV1、成對元音變異指數nPVI等節奏參數判斷發音韻律。中科院聲學所的董濱根據能量分布的不同，以能量集中帶為特徵，以SVM模型區分漢語中的平舌音和翹舌音，取得了 98.35%的正確率。上述第一類方法往往要進行大量的發音錯誤檢測實驗，以實驗結果判定哪種參數更優。
[0006]2、從眾多的參數中以機器學習方法篩選出最合適的。如Stouten通過神經網絡從短時MFCC中提取包含音源信息、元輔音信息等的多維語音學特徵參數，用於英語的音素髮音錯誤檢測。Lin-Shan Lee使用了混合語言訓練的神經網絡提取特徵參數，致力於無監督的發現發音錯誤類型。Hacker通過ADABOOST方法從發音特徵和韻律特徵中選取性能最優的15維參數，進而利用GOP法對德國兒童的英語發音進行錯誤檢測。上述第二類方法更依賴於參數選擇模型的好壞，需要提取多種參數，較為繁瑣。
[0007]3、從語言感知的本質出發，以漢語區別特徵系統為基礎找尋區分性參數。如張家騄根據漢語語音知覺混淆的群集分析結果，從聲學和生理特性角度提出了聲韻調體系的區別特徵系統。語音評測任務中所針對的發音錯誤，大多發生在區別特徵所表示的最小對立體之間。這一研究結果為如何選取區分性的發音錯誤檢測特徵提供了語音學的思路，但無法直接用在識別系統中。上述第三類方法雖然從感知出發，研究結果雖然反應了客觀的語音問題，但結論過於細碎，難以總結出統計性的可供語言工程直接使用的參數選擇經驗。
【發明內容】
[0008]為了克服現有技術中的三種改進方法存在的上述技術缺陷，本發明提供了一種測定感知參數的區分性的方法及系統，基於現有實驗語音學研究結果確定出不同測評任務需要檢測的對立體對,並結合感知參數合成連續統合成語音,進而根據確定出的感知曲線測定感知參數的區分性，是一種精確測定感知參數的區分性的方案，可以準確快速的測定出各個感知參數的區分性，為後續針對不同的評測任務結合各個感知參數的區分性進行發音偏誤檢測提供了依據，且提高了各種發音偏誤檢測的準確性。
[0009]本發明的目的之一是，提供一種測定感知參數的區分性的方法，包括:根據實驗語音學研究結果確定出需要檢測的對立體對，所述的對立體對包括第一對立體、第二對立體；獲取預先設定的感知參數集合，所述的感知參數集合由感知參數組成；根據所述的感知參數集合以及所述的對立體對合成所述感知參數的連續統合成語音；根據所述的實驗語音學研究結果以及所述的連續統合成語音得到所述感知參數對應的感知曲線；根據所述感知參數對應的感知曲線確定所述感知參數的區分性。
[0010]本發明的目的之一是，提供了一種測定感知參數的區分性的系統，包括:對立體對確定裝置，用於根據實驗語音學研究結果確定出需要檢測的對立體對，所述的對立體對包括第一對立體、第二對立體；感知參數集合獲取裝置，用於獲取預先設定的感知參數集合，所述的感知參數集合由感知參數組成；連續統合成語音合成裝置，用於根據所述的感知參數集合以及所述的對立體對合成所述感知參數的連續統合成語音；感知曲線確定裝置，用於根據所述的實驗語音學研究結果以及所述的連續統合成語音得到所述感知參數對應的感知曲線；區分性確定裝置，用於根據所述感知參數對應的感知曲線確定所述感知參數的區分性。
[0011]本發明的有益效果在於，提供了一種測定感知參數的區分性的方法及系統，基於現有實驗語音學研究結果確定出不同測評任務需要檢測的對立體對，結合感知參數合成連續統合成語音，進而根據確定出的感知曲線測定感知參數的區分性，是一種精確測定感知參數的區分性的方案，可以準確快速的測定出各個感知參數的區分性，為發音錯誤檢測系統篩選出合適的區分特徵，為後續針對不同的評測任務結合各個感知參數的區分性進行發音偏誤檢測提供了依據，提高了各種發音偏誤檢測的準確性，以達到最優的偏誤檢測效果。
[0012]為讓本發明的上述和其他目的、特徵和優點能更明顯易懂，下文特舉較佳實施例，並配合所附圖式，作詳細說明如下。
【專利附圖】
【附圖說明】
[0013]為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
[0014]圖1為本發明實施例提供的一種測定感知參數的區分性的方法的實施方式一的流程圖；
[0015]圖2為圖1中的步驟S103的具體流程圖；
[0016]圖3為圖1中的步驟S105的實施方式一的具體流程圖；
[0017]圖4為圖1中的步驟S105的實施方式二的具體流程圖；
[0018]圖5為本發明實施例提供的一種測定感知參數的區分性的方法的實施方式二的流程圖；
[0019]圖6為本發明實施例提供的一種測定感知參數的區分性的系統的實施方式一的結構框圖；
[0020]圖7為本發明實施例提供的一種測定感知參數的區分性的系統中的連續統合成語音合成裝置103的具體結構框圖；
[0021]圖8為本發明實施例提供的一種測定感知參數的區分性的系統中的區分性確定裝置105的實施方式一的具體結構框圖；
[0022]圖9為本發明實施例提供的一種測定感知參數的區分性的系統中的區分性確定裝置105的實施方式二的具體結構框圖；
[0023]圖10為本發明實施例提供的一種測定感知參數的區分性的系統的實施方式二的結構框圖；
[0024]圖11為具體實施例中漢語母語者對陽平-上聲連續統的辨別曲線示意圖；
[0025]圖12為具體實施例中日語母語者對陽平-上聲連續統的辨別曲線示意圖；
[0026]圖13為具體實施例中根據基頻以及對立體對二聲、三聲合成基頻的連續統合成語音示意圖；
[0027]圖14為具體實施例中母語者對對立體對二聲、三聲的感知曲線示意圖；
[0028]圖15為具體實施例中母語者及學習者對對立體對二聲、三聲的感知曲線示意圖。
【具體實施方式】
[0029]下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
[0030]本發明針對計算機輔助語音學習中發音錯誤檢測的問題，以實驗語音學研究結果中的感知實驗為基礎，通過定量獲得學習者的感知線索，比較聲學參數和語音學參數對特定發音錯誤的區分性，為發音錯誤檢測系統篩選出合適的區分特徵。在本發明的其他實施方式中，可進一步以感知線索的強弱為權重，融合多個對應的感知參數，以達到最優的偏誤檢測效果。
[0031]圖1為本發明提出的一種射線路徑彈性參數的反演方法的具體流程圖，由圖1可知，所述的方法包括:
[0032]SlOl:根據實驗語音學研究結果確定出需要檢測的對立體對，所述的對立體對包括第一對立體、第二對立體。
[0033]在具體的實施例中，實驗語音學研究結果裡包括了各種不同的評測任務下需要檢測的對立體對，如漢語語音學研究結果顯示，日本人在學習漢語時需要檢測的對立體對一般包括:sh、X組成的對立體對，前後鼻音組成的對立體對，陽平上聲組成的對立體對等。
[0034]英語語音學研究結果顯示，學習者在學習英語時需要檢測的對立體對一般包括陰平組成的對立體對，去聲聲調組成的對立體對等。
[0035]荷蘭語音學研究結果顯示，學習者在學習荷蘭語時需要檢測的對立體對一般包括荷蘭語音素摩擦音/χ/和爆破音/k/組成的對立體對等。
[0036]S102:獲取預先設定的感知參數集合，所述的感知參數集合由感知參數組成。在具體的實施方式中，所述的感知參數諸如包括基頻、共振峰、語速、時長、感知線性預測參數PLP、梅爾頻率倒譜係數MFCC，線性預測頻率倒譜係數LPCC、嗓音起始時間V0T、過渡音徵。
[0037]S103:根據所述的感知參數集合以及所述的對立體對合成所述感知參數的連續統合成語音。圖2為步驟S103的具體流程圖。在具體的實施例中，可從感知參數集合中依次提取各個感知參數，針對需要檢測的對立體對合成連續統合成語音，如從感知參數集合中選取出時長這一感知參數，針對日本人在學習漢語時需要檢測的對立體對sh、χ為例生成連續統合成語音。
[0038]S104:根據所述的實驗語音學研究結果以及所述的連續統合成語音得到所述感知參數對應的感知曲線。
[0039]實驗語音學研究結果結合連續統合成語音能夠得到對應的感知參數，具體的，步驟S103合成感知參數的發音偏誤的最小對立體的連續統合成語音後，根據實驗語音學研究結果中顯示的母語者和學習者針對連續統合成語音的感知曲線判斷母語者和學習者對一系列合成語音的感知效果。從而知道其感知是範疇化的、還是非範疇化的；對介於最小對立體中間的合成語音感知為哪一類，還是對最小對立體根本無法區分。從而得到被試的感知模式，判斷感知參數是否為其感知特定語音的感知線索。
[0040]在具體的實施例中，以漢語語音學研究結果顯示的日本人在學習漢語時需要檢測的對立體對陽平上聲為例，步驟S103合成感知參數時長對應的連續統合成語音。綜合考慮漢語語音學研究結果以及連續統合成語音，得到的感知曲線如圖11和圖12所示，其中，圖11為漢語母語者對陽平-上聲連續統的辨別曲線示意圖，圖12為日語母語者(即漢語學習者)對陽平-上聲連續統的辨別曲線示意圖。圖11、圖12中，橫坐標為逐漸變化的連續統合成語音組，縱坐標為感知正確率。
[0041]S105:根據所述感知參數對應的感知曲線確定所述感知參數的區分性。從連續統合成語音得到的感知曲線，可以定性的確定出學習者對某個特徵參數的感知，但該感知參數具有多高的區分性，能否作為語音參數進行偏誤的判別，還需對其進行定量分析研究。
[0042]對合成得到的連續統合成語音，可讓被試判斷每個合成音節屬於哪一種，計算每個音節被試選擇百分比，做成範疇感知曲線。如果聽辨正確率在曲線兩端保持高分數而之間出現急劇變化，則證明曲線兩端分別屬於兩種範疇，變化的地方就是範疇邊界，整個圖形如同英文字母X。如果聽辨正確率沒有典型的X形狀，則說明被試對該語音參數不敏感，則參數作為感知線索時效果較差。
[0043]以聲調陽平T2和上聲T3為例，假設保持拐點位置不變，取14個不同的拐點音高，可以生成14連續統合成刺激語音，中國人對其聽辨後，可以得到如圖11所示的聽辨曲線。聽辨正確率在曲線兩端保持高分數而之間出現急劇變化，證明曲線兩端分別屬於兩種範疇，變化的地方就是範疇邊界。聽辨結果顯示漢語母語者對這些連續統呈現典型的範疇化感知，所得數據能夠形成清晰的X形曲線。圖11也代表了中國人對T2、T3連續統的感知常模。這顯示拐點音高，是中國人感知陽平Τ2和上聲Τ3的重要線索，根據感知和產出的對應關係，可以得到，使用音高拐點信息，可以較容易的區分出中國人產出的Τ2、Τ3聲調。而對於日本學習者卻未必如此，以相同的連續統刺激日本被試，得到的辨別曲線如圖12所示。可以看出，刺激1-3被80%以上的日本被試感知為陽平，刺激11-14被感知為上聲的機率也在80%以上。但是，日本被試對中間幾個刺激的辨認率都在40% -60%之間，範疇邊界並不明顯。陽平範疇和上聲範疇都和中國人常模存在明顯差異，這說明日本學習者對聲調的感知線索不是明確的依賴於音高拐點，若用此信息檢測日本學習者Τ2、Τ3聲調的偏誤問題，則恰好能發現其偏誤問題。
[0044]以上是對感知參數效果的定性分析，本發明為了將感知結果用於偏誤檢測，採用了兩種定量測定感知參數的方法:一是回歸分析方法，圖3為步驟S105的實施方式一的具體流程圖；二是感知差異分析方法，圖4為步驟S105的實施方式二的具體流程圖。
[0045]如上所述，本發明提供的一種測定感知參數的區分性的方法基於現有實驗語音學研究結果確定出不同測評任務需要檢測的對立體對，結合感知參數合成連續統合成語音，進而根據確定出的感知曲線測定感知參數的區分性，是一種精確測定感知參數的區分性的方案，可以準確快速的測定出各個感知參數的區分性，為發音錯誤檢測系統篩選出合適的區分特徵。
[0046]圖2為步驟S103的具體流程圖，由圖2可知，該步驟具體包括:
[0047]S201:確定所述對立體對中第一對立體的感知參數的數值，稱為第一數值。
[0048]在具體的實施方式中，以從感知參數集合中選取出時長這一感知參數，針對日本人在學習漢語時需要檢測的對立體對b、P例，首先確定第一對立體b的時長的數值即第一數值為0.3秒。
[0049]S202:確定所述對立體對中第二對立體的感知參數的數值，稱為第二數值。
[0050]在具體的實施方式中，以從感知參數集合中選取出時長這一感知參數，針對日本人在學習漢語時需要檢測的對立體對b、P為例，第二對立體P的時長的數值即第二數值為0.5 秒。
[0051]S203:獲取預先設定的個數閾值。
[0052]在具體的實施方式中，假設預先設定的個數閾值為20。
[0053]S204:根據所述的第一數值、第二數值以及所述的個數閾值生成從所述第一對立體到第二對立體逐漸變化的數值集。
[0054]在具體的實施方式中，以從感知參數集合中選取出時長這一感知參數，針對日本人在學習漢語時需要檢測的對立體對b、P為例，第一對立體b的時長的數值即第一數值為0.3秒，第二對立體P的時長的數值即第二數值為0.5秒，預先設定的個數閾值為20，則生成的從所述第一對立體b到第二對立體P逐漸變化的數值集為{0.31，0.32，……0.48，0.49}。
[0055]S205:根據所述的數值集合成所述感知參數的連續統合成語音。
[0056]在具體的實施方式中，可通過語音合成工具合成所述感知參數的連續統合成語音。如:有些感知參數可以借鑑較成熟的算法和工具，如基頻、共振峰、語速可使用基音同步疊加PSOLA和STRAIGHT即可得到較自然的連續統語音樣本。有些較複雜的聲學參數可以通過基於HMM的合成HTS模型得到。
[0057]也即，步驟S103是根據所選擇的感知參選(如時長)，通過改變對立體對應的數值，合成對立體間不斷變化的語音。漢語學習者的感知線索，體現在語音參數的變化中。以不同的語音對被試進行刺激，獲得被試的感知情況，是實驗語音學中經常使用的研究方法。如基頻是學習者感知漢語聲調的主要線索。在實驗語音學研究中，通過修改基頻信息合成漢語聲調的聲學連續刺激，來判斷被試對聲調感知模式。
[0058]例如:對於日本學習者經常發生偏誤的陽平T2和上聲T3，可以通過修改基頻的起點音高、拐點位置、終點音高，合成出不同的聲學連續刺激，進而判斷學習者的感知模式。類似的，對出現發音偏誤的最小對立體，需要通過改變參數，即修改區分兩個音位的主要聲學線索，合成出從一個音位到另一個音位逐漸變化的一組聲音，得到連續統合成語音。如A和B最小對立體，以A為基準，B為目標,通過修改感知參數,得到一系列介於A、B合成語音。反之，也可以B為基準，A為目標，合成得到另一系列語音。
[0059]圖3為步驟S105的實施方式一的具體流程圖，由圖3可知，在實施方式一中，該步驟是回歸分析方法。以連續刺激的識別結果為因變量，構造logistic回歸模型來描述識別結果和刺激樣本序號之間的關係。該步驟具體包括:
[0060]S301:從所述的感知參數對應的感知曲線中選取多個點；
[0061]在具體的實施方式中，如從圖11、圖12所示的感知曲線中選取多個點。
[0062]S302:依次確定所述多個點的橫坐標、縱坐標；
[0063]S303:根據所述的橫坐標、縱坐標以及logistic回歸模型確定回歸係數。
[0064]在具體的實施方式中，所述的logistic回歸模型為:
【權利要求】
1.一種測定感知參數的區分性的方法，其特徵是，所述的方法包括: 根據實驗語音學研究結果確定出需要檢測的對立體對，所述的對立體對包括第一對立體、第二對立體； 獲取預先設定的感知參數集合，所述的感知參數集合由感知參數組成； 根據所述的感知參數集合以及所述的對立體對合成所述感知參數的連續統合成語曰； 根據所述的實驗語音學研究結果以及所述的連續統合成語音得到所述感知參數對應的感知曲線； 根據所述感知參數對應的感知曲線確定所述感知參數的區分性。
2.根據權利要求1所述的方法，其特徵是，所述的感知參數包括基頻、共振峰、語速、時長、感知線性預測參數PLP、梅爾頻率倒譜係數MFCC、線性預測頻率倒譜係數LPCC、嗓音起始時間VOT、過渡音徵。
3.根據權利要求1所述的方法，其特徵是，根據所述的感知參數集合以及所述的對立體對合成所述感知參數的連續統合成語音包括: 確定所述對立體對中第一對立體的感知參數的數值，稱為第一數值； 確定所述對立體對中第二對立體的感知參數的數值，稱為第二數值； 獲取預先設定的個數閾值； 根據所述的第一數值、第二數值以及所述的個數閾值生成從所述第一對立體到第二對立體逐漸變化的數值集； 根據所述的數值集合成所述感知參數的連續統合成語音。
4.根據權利要求3所述的方法，其特徵是，根據所述感知參數對應的感知曲線確定所述感知參數的區分性包括: 從所述的感知參數對應的感知曲線中選取多個點； 依次確定所述多個點的橫坐標、縱坐標； 根據所述的橫坐標、縱坐標以及logistic回歸模型確定回歸係數； 根據所述的回歸係數確定所述感知參數的區分性。
5.根據權利要求4所述的方法，其特徵是，所述的logistic回歸模型為: f P λ L —V =b0+blX
J 其中，P1為所述感知曲線的識別結果，X為所述感知曲線上選取的點的橫坐標，L為所述感知曲線上選取的點的縱坐標，bi為斜率，b0為截距,所述的回歸係數包括Pp bp Iv
6.根據權利要求3所述的方法，其特徵是，根據所述感知參數對應的感知曲線確定所述感知參數的區分性包括: 從所述的感知參數對應的感知曲線中選取多個點； 依次確定所述多個點的橫坐標、縱坐標； 根據所述的橫坐標、縱坐標以及感知差異模型確定所述感知參數的區分係數； 獲取預先設定區分閾值； 根據所述的區分係數以及所述的區分閾值確定所述感知參數的區分性。
7.根據權利要求6所述的方法，其特徵是，所述的感知差異模型為: Z =J-Y' (P, -P f
J V J^T Δ^?χ^.X 其中，N為選取的點的總數，j為選取的點的編號，j = I,…，N，Ps，x為母語者的感知曲線的識別結果，Plx為學習者的感知曲線的識別結果，為母語者與學習者的感知差異得分，X為所述感知曲線上選取的點的橫坐標。
8.根據權利要求4或6所述的方法，其特徵是，所述的方法還包括: 根據所述的感知參數的區分性進行發音偏誤檢測。
9.一種測定感知參數的區分性的系統，其特徵是，所述的系統包括: 對立體對確定裝置，用於根據實驗語音學研究結果確定出需要檢測的對立體對，所述的對立體對包括第一對立體、第二對立體； 感知參數集合獲取裝置，用於獲取預先設定的感知參數集合，所述的感知參數集合由感知參數組成； 連續統合成語音合成裝置，用於根據所述的感知參數集合以及所述的對立體對合成所述感知參數的連續統合成語音； 感知曲線確定裝置，用於根據所述的實驗語音學研究結果以及所述的連續統合成語音得到所述感知參數對應的感知曲線； 區分性確定裝置，用於根據所述感知參數對應的感知曲線確定所述感知參數的區分性。
10.根據權利要求9所述的系統，其特徵是，所述的感知參數包括基頻、共振峰、語速、時長、感知線性預測參數PLP、梅爾頻率倒譜係數MFCC、線性預測頻率倒譜係數LPCC、嗓音起始時間VOT、過渡音徵。
11.根據權利要求9所述的系統，其特徵是，所述的連續統合成語音合成裝置包括: 第一數值確定模塊，用於確定所述對立體對中第一對立體的感知參數的數值，稱為第一數值； 第二數值確定模塊，用於確定所述對立體對中第二對立體的感知參數的數值，稱為第二數值； 個數閾值獲取模塊，用於獲取預先設定的個數閾值； 數值集生成模塊，用於根據所述的第一數值、第二數值以及所述的個數閾值生成從所述第一對立體到第二對立體逐漸變化的數值集； 合成語音合成模塊，用於根據所述的數值集合成所述感知參數的連續統合成語音。
12.根據權利要求11所述的系統，其特徵是，所述的區分性確定裝置包括: 選取模塊，用於從所述的感知參數對應的感知曲線中選取多個點； 坐標確定模塊，用於依次確定所述多個點的橫坐標、縱坐標； 回歸係數確定模塊，用於根據所述的橫坐標、縱坐標以及logistic回歸模型確定回歸係數； 第一區分性確定模塊，用於根據所述的回歸係數確定所述感知參數的區分性。
13.根據權利要求12所述的系統，其特徵是，所述的logistic回歸模型為:
其中，P1為所述感知曲線的識別結果，X為所述感知曲線上選取的點的橫坐標，L為所述感知曲線上選取的點的縱坐標，bi為斜率，b0為截距,所述的回歸係數包括Pp bp Iv
14.根據權利要求11所述的系統，其特徵是，所述的區分性確定裝置還包括: 區分係數確定模塊，用於根據所述的橫坐標、縱坐標以及感知差異模型確定所述感知參數的區分係數； 區分閾值獲取模塊，用於獲取預先設定區分閾值； 第二區分性確定模塊，用於根據所述的區分係數以及所述的區分閾值確定所述感知參數的區分性。
15.根據權利要求14所述的系統，其特徵是，所述的感知差異模型為:
其中，N為選取的點的總數，j為選取的點的編號，j = I,…，N，Ps，x為母語者的感知曲線的識別結果，Plx為學習者的感知曲線的識別結果，為母語者與學習者的感知差異得分，X為所述感知曲線上選取的點的橫坐標。
16.根據權利要求12或14所述的系統，其特徵是，所述的系統還包括: 偏誤檢測裝置，用於根據所述的感知參數的區分性進行發音偏誤檢測。
【文檔編號】G10L25/48GK104183236SQ201410448867
【公開日】2014年12月3日 申請日期:2014年9月4日 優先權日:2014年9月4日
【發明者】解焱陸, 張勁松 申請人:北京語言大學