專利名稱：漢語普通話兒化音發(fā)音質(zhì)量評測方法與系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種語音評測方法及評測系統(tǒng)，尤其涉及一種漢語普通話兒化音發(fā)音質(zhì)量評測方法及評測系統(tǒng)。
背景技術(shù)：
在當(dāng)前的漢語普通話發(fā)音質(zhì)量評測方法中，一般只涉及到對漢語普通話聲母、韻母和聲調(diào)的發(fā)音質(zhì)量評測，但對兒化音等特殊音變現(xiàn)象的發(fā)音質(zhì)量評測卻未見相關(guān)研究。兒化是漢語普通話口語中頗具特色的一種音變現(xiàn)象，主要是由詞尾“兒”變化而來。詞尾“兒“本是一個獨立音節(jié)，長期與其前面音節(jié)流利地連讀而發(fā)生音變，“兒”失去獨立性，“化”到前一個音節(jié)上，只保持一個卷舌動作，且使其前面音節(jié)里的韻母或多或少地發(fā)生變化，如“老頭兒”、“鮮花兒”。兒化也是漢語普通話中一種非常重要的語言現(xiàn)象，經(jīng)常在書面上出現(xiàn)，能起到區(qū)別詞性和意義，表達不同感情色彩的作用。由于兒化音所在音節(jié)的韻母部分發(fā)生了比較復(fù)雜的變化，且明顯帶有卷舌特征，不同于其原韻母，因此，兒化音發(fā)音質(zhì)量評測中需要對」L化韻母進行特殊處理?，F(xiàn)有主流的發(fā)音質(zhì)量評測方法都是借助成熟的語音識別技術(shù)進行的。具體做法如圖1所示，用標準語音識別器將待評測語音和已知對應(yīng)文本在時間上強制對齊(ForceAlignment)，然后提取強制對齊后識別的似然度分數(shù)(機器分)，或者在該分的基礎(chǔ)上進行一些置信度的計算，得到更可靠的機器分，并通過預(yù)設(shè)閾值或者分數(shù)映射把機器分轉(zhuǎn)換成評測員給定的發(fā)音質(zhì)量等級?？梢钥闯?，如何根據(jù)似然度分數(shù)計算更可靠的置信度分數(shù)是獲得滿意評測結(jié)果的關(guān)鍵。常見的置信度計算方法有，對數(shù)似然度分數(shù)、對數(shù)似然比分數(shù)、對數(shù)后驗概率分數(shù)、歸一化對數(shù)似然比和發(fā)音良好度(GOP)等形式。目前，GOP算法已成為最重要的置信度分數(shù)的計算方法，廣泛用于各類發(fā)音質(zhì)量自動評測系統(tǒng)中。綜上，采用現(xiàn)有的發(fā)音質(zhì)量評測方法對兒化音進行發(fā)音質(zhì)量評測時，會涉及到對兒化韻母進行有效建模，但也會存在兒化韻母、原韻母、“兒”音節(jié)之間的模型混淆問題，實際效果很不理想。

發(fā)明內(nèi)容
針對采用現(xiàn)有的發(fā)音質(zhì)量評測方法對兒化音進行發(fā)音質(zhì)量評測時，存在兒化韻母、原韻母、“兒”音節(jié)之間的模型混淆，實際效果很不理想的問題，本發(fā)明提供了一種有效的漢語普通話兒化音發(fā)音質(zhì)量評測方法與系統(tǒng)。該方法在現(xiàn)有發(fā)音質(zhì)量評測方法的基礎(chǔ)上，一方面擴展標準的漢語聲韻母發(fā)音空間，使其包括所有的兒化韻母，建立包含兒化韻母的擴展聲韻母模型，并在包含兒化韻母的擴展發(fā)音空間內(nèi)進行更大范圍的發(fā)音質(zhì)量評測；另一方面，在包含兒化韻母的擴展發(fā)音空間內(nèi)進行發(fā)音質(zhì)量評測時，把對兒化音發(fā)音質(zhì)量評測問題轉(zhuǎn)化為兒化音發(fā)音質(zhì)量的分類問題，建立兒化音發(fā)音質(zhì)量分類模型，通過提取兒化音節(jié)及其前面音節(jié)的多種聲學(xué)特征、語言學(xué)特征、以及它們的統(tǒng)計特征和動態(tài)變化特征，獲取該兒化音的發(fā)音質(zhì)量等級，進而完成兒化音發(fā)音質(zhì)量的評測，能有效地提高漢語普通話中兒化音發(fā)音質(zhì)量評測的正確率。本發(fā)明的目的之一是提供一種漢語普通話兒化音發(fā)音質(zhì)量評測方法，包括如下步驟:
第一步，搜集包含兒化音的標準發(fā)音語音庫，建立包含兒化韻母的擴展聲韻母模型； 第二步，搜集兒化音發(fā)音質(zhì)量評測數(shù)據(jù)庫，建立兒化音發(fā)音質(zhì)量分類模型；
第三步，利用第一步獲得的包含兒化韻母的擴展聲韻母模型，對待評測發(fā)音及其對應(yīng)文本進行強制對準，得到兒化音節(jié)及其前一音節(jié)的音節(jié)邊界信息，包括它們所含聲母、韻母、兒化韻母的邊界信息；
第四步，提取該兒化音節(jié)及其前一音節(jié)所在語音段的多種聲學(xué)特征和語言學(xué)特征，包括時長、音節(jié)類別、置信度、基頻、音強、能量、共振峰，以及它們的統(tǒng)計特征和動態(tài)變化特征；
第五步，將第四步獲得的所有特征輸入到第二步獲得的兒化音發(fā)音質(zhì)量分類模型進行分類，獲得該兒化音節(jié)的發(fā)音質(zhì)量等級，輸出高質(zhì)量的評測結(jié)果。非兒化音節(jié)可按照現(xiàn)有的發(fā)音質(zhì)量評測方法進行評測。本發(fā)明的目的之二是提供一種漢語普通話兒化音發(fā)音質(zhì)量評測系統(tǒng)，包括基于擴展聲韻母模型的音節(jié)邊界切分模塊，兒化音節(jié)音段及其前一音節(jié)音段多種特征提取模塊，基于兒化音發(fā)音質(zhì)量分類模型的分類分級模塊；該基于擴展聲韻母模型的音節(jié)邊界切分模塊利用包含兒化韻母的擴展聲韻母模型，對待評測語音及其對應(yīng)文本，進行強制對準和Viterbi解碼算法，得到各音素(包括聲母、韻母、兒化韻母)等的邊界信息；該兒化音節(jié)音段及其前一音節(jié)音段多種特征提取模塊利用多種語音信號處理手段，得到和特定音節(jié)相關(guān)的多種特征，用于基于兒化音發(fā)音質(zhì)量分類模型的分類分級模塊的輸入特征；基于兒化音發(fā)音質(zhì)量分類模型的分類分級模塊利用兒化音發(fā)音質(zhì)量分類模型對待評測兒化音節(jié)進行發(fā)音質(zhì)量等級分類，進而完成兒化音的發(fā)音質(zhì)量評測。其它聲母、韻母的發(fā)音質(zhì)量評測可以采取現(xiàn)有的發(fā)音質(zhì)量評測(需要使用包括兒化韻母的擴展聲韻母模型)方法進行評測。本發(fā)明的有益效果在于:兒化是漢語普通話中頗具特色的一種重要音變現(xiàn)象，兒化音并不是先發(fā)出一個普通音節(jié)，然后再發(fā)出一個“兒”音節(jié)，而是在發(fā)普通音節(jié)韻母的同時，疊加上卷舌動作，使得整個韻母都貫穿上兒化的色彩。因此，通常的發(fā)音質(zhì)量檢測系統(tǒng)一般無法對兒化音進行有效檢測。通過構(gòu)建包含兒化韻母的擴展聲韻母模型可以在一定程度上實現(xiàn)對兒化音的發(fā)音質(zhì)量檢測，但是，在包含兒化韻母的發(fā)音空間內(nèi)，兒化韻母與其對應(yīng)的原韻母有很大的混淆，聲學(xué)模型的區(qū)分度很差，這也直接影響兒化音發(fā)音質(zhì)量評測系統(tǒng)的實際性能。為此，本發(fā)明在不改變現(xiàn)有發(fā)音質(zhì)量檢測與評價系統(tǒng)的基礎(chǔ)上，加上針對兒化音的發(fā)音質(zhì)量分類系統(tǒng)，提取兒化音節(jié)音段及其前一音節(jié)音段的多種特征，建立兒化音發(fā)音質(zhì)量分類模型，實現(xiàn)對兒化音發(fā)音質(zhì)量的有效分類分級，并取得非常好的評測效果O


圖1是現(xiàn)有主流的發(fā)音質(zhì)量評測方法示意 圖2是本發(fā)明漢語普通話兒化音發(fā)音質(zhì)量評測方法示意 圖3是本發(fā)明建立包含兒化韻母的擴展聲韻母模型示意圖； 圖4是本發(fā)明建立兒化音發(fā)音質(zhì)量分類模型示意 圖5是本發(fā)明提取特定語音段多種特征的流程示意 圖6是本發(fā)明漢語普通話兒化音發(fā)音質(zhì)量評測系統(tǒng)的模塊示意圖。
具體實施例方式下面結(jié)合附圖對本發(fā)明的技術(shù)方案作進一步的解釋說明，但并不局限如此，凡是對本發(fā)明技術(shù)方案進行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的精神和范圍，均應(yīng)涵蓋在本發(fā)明的保護范圍中。
具體實施方式
一:一種漢語普通話兒化音發(fā)音質(zhì)量評測方法，如圖2所示，具體包括如下步驟:
第一步，搜集包含兒化音的標準發(fā)音語音庫，建立包含兒化韻母的擴展聲韻母模型； 第二步，搜集兒化音發(fā)音質(zhì)量評測數(shù)據(jù)庫，建立兒化音發(fā)音質(zhì)量分類模型；
第三步，利用第一步獲得的包含兒化韻母的擴展聲韻母模型，對待評測發(fā)音及其對應(yīng)文本進行強制對準，得到兒化音節(jié)及其前一音節(jié)的音節(jié)邊界信息，包含它們所含的聲母、韻母、兒化韻母的邊界信息；
第四步，提取該兒化音節(jié)及其前一音節(jié)所在語音段的多種聲學(xué)特征和語言學(xué)特征，包括時長、音節(jié)類別、置信度、基頻、音強、能量、共振峰，以及它們的統(tǒng)計特征和動態(tài)變化特征；
第五步，將第四步獲得的所有特征輸入到第二步獲得的兒化音發(fā)音質(zhì)量分類模型進行分類，獲得該兒化音節(jié)的發(fā)音質(zhì)量等級，輸出高質(zhì)量的評測結(jié)果。非兒化音節(jié)可按照現(xiàn)有的發(fā)音質(zhì)量評測方法進行評測。如圖3所示，第一步具體包括如下步驟:
步驟1，搜集漢語普通話標準發(fā)音語音庫，訓(xùn)練標準的聲韻母聲學(xué)模型。本發(fā)明使用實驗室自行錄制的新聞聯(lián)播語音數(shù)據(jù)，約80小時，16 KHz采樣，16 bit量化，以下簡記為CCTV0聲學(xué)模型采用上下文無關(guān)的聲韻母模型(Mono-phone)。特征采用39維MFCC_0_D_A_Z特征，幀長25毫秒，幀移10毫秒。音素集共計64個音素(即64個HMM)，包括6個零聲母，21個聲母，37個韻母，其中聲母采用自左向右的3狀態(tài)HMM，韻母采用自左向右的5狀態(tài)HMM，每個狀態(tài)都訓(xùn)練到16混合高斯作為其概率密度函數(shù)。步驟2，搜集包含兒化音的漢語普通話標準發(fā)音語音庫，用于訓(xùn)練含有兒化韻母的擴展聲韻母模型。本發(fā)明使用實驗室自行錄制的普通話水平為一級甲等的2個說話人，I男I女，按照國家普通話水平測試大綱提供的普通話測試兒化詞語表朗讀2遍的錄音。該兒化詞語表包含36個兒化韻母，共188個雙音節(jié)兒化詞語。以下簡記為ERHUA。步驟3，擴展標準的漢語聲韻母發(fā)音空間，使其在原有聲母、韻母的基礎(chǔ)上，加入所有的兒化韻母，即把漢語普通話的音素集合擴展為所有的聲韻母，再加上所有韻母的兒化韻母，比如“a”的兒化韻母記為“a_r”，“e”的兒化韻母記為“e_r”等等。韻母“er”沒有兒化韻母，因此，共36個兒化韻母。步驟4，訓(xùn)練包含兒化韻母的擴展聲韻母模型。雖然理論上說所有韻母都可能發(fā)生兒化，但實際上有些韻母發(fā)生兒化的機會很少，因此也很難收集完整的兒化音數(shù)據(jù)。考慮到CCTV中兒化音數(shù)據(jù)基本沒有，ERHUA中的兒化音數(shù)據(jù)也非常少，因此，在訓(xùn)練包含兒化韻母的擴展聲韻母模型時，我們采取的策略是，首先復(fù)制步驟I中獲得的原韻母的聲學(xué)模型，然后再利用步驟2中獲得的兒化音數(shù)據(jù)，在步驟3中獲得的新的擴展發(fā)音空間內(nèi)，對包含兒化韻母的擴展聲韻母模型做進一步的迭代訓(xùn)練。步驟5，利用步驟4獲得的包含兒化韻母的擴展聲韻母模型，利用現(xiàn)有的發(fā)音質(zhì)量評測方法建立發(fā)音質(zhì)量評測模型，并設(shè)置音素相關(guān)的閾值，對聲母、韻母及兒化韻母分別進行發(fā)音質(zhì)量評測。評測得到的置信度分數(shù)可用作第四步步驟3的發(fā)音質(zhì)量置信度特征。音素相關(guān)的閾值設(shè)定有多種方法，可以利用步驟2中獲得的包含兒化音的漢語普通話標準發(fā)音語音庫(ERHUA)進行計算和設(shè)定，也可以利用第二步步驟I中獲得的兒化音發(fā)音質(zhì)量評測數(shù)據(jù)庫(PSC)進行計算和設(shè)定。為檢驗這種方法對兒化音發(fā)音質(zhì)量評測的實際性能，對第二步步驟I中獲得的PSC語音庫的304個發(fā)音正確的雙音節(jié)兒化詞語進行評測。首先利用第三步的方法對每個兒化韻母進行強制切分，得到相應(yīng)的語音段，并利用在第一步步驟4中獲得的擴展的聲韻母模型(只使用所有韻母和兒化韻母)分別對該語音段進行了識別，并把識別的結(jié)果做統(tǒng)計，列為表I。表I PSC語音庫中兒化韻母所在語音段的識別結(jié)果排名表(部分)
權(quán)利要求
1.漢語普通話兒化音發(fā)音質(zhì)量評測方法，其特征在于所述方法步驟如下: 第一步，搜集包含兒化音的標準發(fā)音語音庫，建立包含兒化韻母的擴展聲韻母模型； 第二步，搜集兒化音發(fā)音質(zhì)量評測數(shù)據(jù)庫，建立兒化音發(fā)音質(zhì)量分類模型； 第三步，利用第一步獲得的包含兒化韻母的擴展聲韻母模型，對待評測發(fā)音及其對應(yīng)文本進行強制對準，得到兒化音節(jié)及其前一音節(jié)的音節(jié)邊界信息，包括它們所含聲母、韻母、兒化韻母的邊界信息； 第四步，提取該兒化音節(jié)及其前一音節(jié)所在語音段的聲學(xué)特征、語言學(xué)特征、以及它們的統(tǒng)計特征和動態(tài)變化特征； 第五步，將第四步獲得的所有特征輸入到第二步獲得的兒化音發(fā)音質(zhì)量分類模型進行分類，獲得該兒化音節(jié)的發(fā)音質(zhì)量等級，輸出高質(zhì)量的評測結(jié)果。
2.根據(jù)權(quán)利要求1所述的漢語普通話兒化音發(fā)音質(zhì)量評測方法，其特征在于所述第一步的具體步驟如下: 步驟1，搜集漢語普通話標準發(fā)音語音庫，用于訓(xùn)練標準的聲韻母聲學(xué)模型； 步驟2，搜集包含兒化音的漢語普通話標準發(fā)音語音庫，用于訓(xùn)練含有兒化韻母的擴展聲韻母模型； 步驟3，擴展標準的漢語聲韻母發(fā)音空間，使其包括所有的兒化韻母，建立包含兒化韻母的新的發(fā)音空間； 步驟4，訓(xùn)練包含兒化韻母的擴展聲韻母模型； 步驟5，利用步驟4獲得的包含兒化`韻母的擴展聲韻母模型，利用已有的發(fā)音質(zhì)量評測方法建立發(fā)音質(zhì)量評測模型，并設(shè)置音素相關(guān)的閾值，對聲母、韻母及兒化韻母分別進行發(fā)音質(zhì)量評測。
3.根據(jù)權(quán)利要求1所述的漢語普通話兒化音發(fā)音質(zhì)量評測方法，其特征在于所述第二步的具體步驟如下: 步驟1，搜集兒化音發(fā)音質(zhì)量評測數(shù)據(jù)庫，用于訓(xùn)練兒化音發(fā)音質(zhì)量評測模型及兒化音發(fā)音質(zhì)量分類模型； 步驟2，建立兒化音發(fā)音質(zhì)量分類模型。
4.根據(jù)權(quán)利要求3所述的漢語普通話兒化音發(fā)音質(zhì)量評測方法，其特征在于所述步驟2的具體步驟如下: 對步驟I搜集的兒化音發(fā)音質(zhì)量評測數(shù)據(jù)庫，提取相應(yīng)兒化音節(jié)及其前一音節(jié)的聲學(xué)特征、語言學(xué)特征、以及它們的統(tǒng)計特征和動態(tài)變化特征，結(jié)合其發(fā)音質(zhì)量評測等級，訓(xùn)練兒化音發(fā)音質(zhì)量分類模型。
5.根據(jù)權(quán)利要求3所述的漢語普通話兒化音發(fā)音質(zhì)量評測方法，其特征在于所述兒化音發(fā)音質(zhì)量分類模型可選擇分類回歸樹、神經(jīng)網(wǎng)絡(luò)、支持向量機和集成分類回歸樹多種不同種類的分類模型。
6.根據(jù)權(quán)利要求1或4所述的漢語普通話兒化音發(fā)音質(zhì)量評測方法，其特征在于所述提取相應(yīng)兒化音節(jié)及其前一音節(jié)的聲學(xué)特征、語言學(xué)特征、以及它們的統(tǒng)計特征和動態(tài)變化特征的具體步驟如下: 步驟1，根據(jù)第三步的音節(jié)邊界信息，提取音節(jié)的時長特征，歸一化時長信息，以及提取前后音節(jié)、韻母時長的動態(tài)變化特征:步驟2，根據(jù)發(fā)音對應(yīng)的文本，提取音節(jié)的聲調(diào)信息和兒化韻母的類別: 步驟3，根據(jù)音節(jié)邊界信息，提取音節(jié)的置信度特征以及它們的統(tǒng)計特性: 步驟4，根據(jù)音節(jié)邊界信息，提取音節(jié)的基頻、能量、音強特征及其統(tǒng)計特征和動態(tài)變化特征； 步驟5，根據(jù)音節(jié)邊界信息，提取音節(jié)的第三共振峰、第二共振峰及其統(tǒng)計特征和動態(tài)變化特征。
7.一種漢語普通話兒化音發(fā)音質(zhì)量評測系統(tǒng)，其特征在于所述評測系統(tǒng)包括:基于擴展聲韻母模型的音節(jié)邊界切分模塊，兒化音節(jié)音段及其前一音節(jié)音段多種特征提取模塊，基于兒化音發(fā)音質(zhì)量分類模型的分類分級模塊； 該基于擴展聲韻母模型的音節(jié)邊界切分模塊利用包含兒化韻母的擴展聲韻母模型，對待評測語音及其對應(yīng)文本，進行強制對準和Viterbi解碼算法，得到各音節(jié)的邊界信息，包括它們所含聲母、韻母、兒化韻母的邊界信息； 該兒化音節(jié)音段及其前一音節(jié)音段多種特征提取模塊利用多種語音信號處理手段，以及其對應(yīng)的文本，得到和特定音節(jié)相關(guān)的多種聲學(xué)特征和語言學(xué)特征，用于基于兒化音發(fā)音質(zhì)量分類模型的分類分級模塊的輸入特征； 該基于兒化音發(fā)音質(zhì)量分類模型的分類分級模塊利用兒化音發(fā)音質(zhì)量分類模型對待評測兒化音節(jié)進行發(fā)音質(zhì)量等級分類，進而完成兒化音的發(fā)音質(zhì)量評測。
8.根據(jù)權(quán)利要求7所述的漢語普通話兒化音發(fā)音質(zhì)量評測系統(tǒng)，其特征在于所述基于擴展聲韻母模型的音節(jié)邊界切分模塊包括擴展聲韻母模型的訓(xùn)練模塊、基于Viterbi的音節(jié)邊界切分模塊； 該擴展聲韻母模型的訓(xùn)練模塊是對聲母、韻母、兒化韻母模型的相關(guān)參數(shù)進行最大似然估計； 該基于Viterbi的音節(jié)邊界切分模塊是針對待評測語音和相對應(yīng)的文本，利用擴展聲韻母模型進行強制對準，通過Viterbi解碼，獲得各音節(jié)的邊界信息，包括它們所含聲母、韻母、兒化韻母的邊界信息。
9.根據(jù)權(quán)利要求7所述的漢語普通話兒化音發(fā)音質(zhì)量評測系統(tǒng)，其特征在于所述兒化音節(jié)音段及其前一音節(jié)音段多種特征提取模塊包括音段時長特征提取模塊、音節(jié)類別特征提取模塊、置信度特征提取模塊、基頻特征提取模塊、音強特征提取模塊、能量特征提取模塊、共振峰特征提取模塊； 該時長特征提取模塊提取音段的時長信息，歸一化時長信息，以及前后音節(jié)、韻母時長的動態(tài)變化特征； 該音節(jié)類別特征提取模塊提取音節(jié)的聲調(diào)信息和兒化韻母的類別； 該置信度特征提取模塊提取音段的原韻母置信度分數(shù)、兒化韻母的置信度分數(shù)、兒音節(jié)的置信度分數(shù)以及它們的統(tǒng)計特性； 該基頻特征提取模塊提取音段的基頻及其統(tǒng)計特征和動態(tài)變化特征； 該音強特征提取模塊提取音段的音強及其統(tǒng)計特征和動態(tài)變化特征； 該能量特征提取模塊提取音段的能量及其統(tǒng)計特征和動態(tài)變化特征； 該共振峰特征提取模塊提取音段的第三共振峰、第二共振峰及其統(tǒng)計特征和動態(tài)變化特征；根據(jù)權(quán)利要求7所述的漢語普通話兒化音發(fā)音質(zhì)量評測系統(tǒng)，其特征在于所述基于兒化音發(fā)音質(zhì)量分類模型的分類分級模塊包括兒化音發(fā)音質(zhì)量分類模型訓(xùn)練模塊、兒化音發(fā)音質(zhì)量分類模型分類模塊； 該兒化音發(fā)音質(zhì)量分類模型訓(xùn)練模塊用于訓(xùn)練用于兒化音發(fā)音質(zhì)量分類的分類器；該兒化音發(fā)音質(zhì)量分類模型分類模塊利用兒化音節(jié)音段及其前一音節(jié)音段多種特征提取模塊作輸入，輸出該兒化 音的發(fā)音質(zhì)量等級，進而完成對兒化音發(fā)音質(zhì)量的有效評價。
全文摘要
漢語普通話兒化音發(fā)音質(zhì)量評測方法與系統(tǒng)，涉及一種語音評測方法及評測系統(tǒng)。本發(fā)明在現(xiàn)有發(fā)音質(zhì)量評測方法基礎(chǔ)上，一方面擴展標準的漢語聲韻母發(fā)音空間，使其包括所有的兒化韻母，建立包含兒化韻母的擴展聲韻母模型，并在包含兒化韻母的擴展發(fā)音空間內(nèi)進行更大范圍的發(fā)音質(zhì)量評測；另一方面，在包含兒化韻母的擴展發(fā)音空間內(nèi)進行發(fā)音質(zhì)量評測時，把對兒化音發(fā)音質(zhì)量評測問題轉(zhuǎn)化為兒化音發(fā)音質(zhì)量分類問題，建立兒化音發(fā)音質(zhì)量分類模型，通過提取兒化音節(jié)及其前面音節(jié)的多種聲學(xué)特征、語言學(xué)特征、以及它們的統(tǒng)計特征和動態(tài)變化特征，獲取該兒化音的發(fā)音質(zhì)量等級，進而完成兒化音發(fā)音質(zhì)量評測，能有效提高漢語普通話兒化音發(fā)音質(zhì)量評測的正確率。
文檔編號G10L17/08GK103177733SQ20131007551
公開日2013年6月26日 申請日期2013年3月11日 優(yōu)先權(quán)日2013年3月11日
發(fā)明者張瓏, 單琳琳, 解瑞峰, 王建華, 季偉東, 梁鵬 申請人:哈爾濱師范大學(xué)