采用三音节F0插值的连续语音声调评测算法沈彩凤，俞一彪(苏州大学也子倌息学院语咅处理研宄室，苏州215006)摘要：本文研究连续语咅的卢调评测算法，该算法可应用于计算机辅助语言学AJ(CALL)系统和苷通话水平测试(PSC)中的卢调评测。考虑到连续语咅发咅中前后咅之间的相互影响，采用三咅节单元建立GMM卢调模型，三咅节中辅咅部分用Spline插值法拟合卢调曲线来反映咅节间基咅频率的转移信息。实验表明，基于三咅节卢调曲线插值拟合的GMM模型评测方法可以使机器打分和人工打分的相关性从0.733提升到0.764、关键字：声调评测；连续语咅；Spline插值；基咅曲线拟合；GMM中图分类号：TN912文献标识码：A文章编号：1000-3630(2011)-02-0111-06DOI编码：10.3969/j.issn1000-3630.2011.02.001ToneevaluationofMandarincontinuousspeechbasedonTri-syllableF0interpolationSHENCai-feng,YUYi-biao{SoochowUniversity,SpeechProcessingResearchesLaboratory,Suzhou,215006,China}AbstractThispaperdiscussestoneevaluationalgorithmofMandarincontinuousspeechbasedonGMM.ThisalgorithmcanbeusedfortonepronunciationinComputerAssistedLanguageLearning(CALL)andPUTONGHUASHUIPINGCESHI(PSC).Incontinuousspeech,asyllable’stoneisrelatedtotheadjacentsyllables.Therefore,itisusefultousetri-syllableasbasicunittotrainGMM.Togetthetransitioninformationfromthepreviousvoicedregiontothecurrentoneorfromthecurrenttothenextvoicedregion,thepitchvalueofunvoicedregionisinterpolatedwithSpline.Basedontri-syllableSplineinterpolation,thecorrelationofthemachinescoreandhumanscorerisesfrom0.733to0.764.Keyword:toneevaluation;continuousspeech;Splineinterpolation;GMM;0引言汉语作为一种声调语言，每个音节都有声调，不同声调的同音字语义不同。因此，声调是判定呰通话学习好坏的重要因素之一，也是区别方言和普通话的不可或缺的标准。在计算机辅助语言学习(CALL)以及普通话水平测试(PSC)中，不仅强调对汉语音节的发音的正确性，也越来越多的关注普通话声调的错误与否。2007年，汤霖等人在分析普通话声调特点的基础上，提出了能消除语速影响和音节间相互影响的建模方法，选择反映声调特点的5个基频比依与归一化的基频共同作为声调评测参数建立高斯模型，结果客观测试同主观测试负荷率达到88.24%111。2008年，魏思等人提出了基于韵律信息的连续语流收稿日期：2011-06-06;修稿日期：2011-06-11基金项目：北京市现代信息科学与网络技术(XDXX1006)作者简介：沈彩凤(1986-),女，江苏将宿迁人，汉族，苏州大学电子信息学院硕士研宂生，研宂方向为语音信号处理。通讯作者：俞一彪,yuyb@suda.edu.cn«调型评测研宄，以韵律词力基本建模单元，建立基于多空间概率分布的HMM调型模型MSD-HMM，针对有河南与山东方言背景的非标准发音，机器评分与专家评分相关度达到0.661和0.695121。声调主要是有语音的基频轮廓决定的。普通话的标准声调有叫个调型，按照五度值描述系统可表达为••阴平(55),阳平(35),上声(214),去声(51),但是，这种标准声调值只出现在孤立字发音情况下，在连续语音发音中，巾于单字发音受上下文的影响，声调对应的基频曲线与标准情况会发牛.很大的偏离。考虑到连续语音发音屮前后音节对当前音节声调的影响，本文以三咅节为声调单元建立GMM模型，对测试语音利用后验概率给出声调的奔观评分。1声调评分算法流程声调的评分中，首先对连续语咅进行切分得到每个音节的单独发音，然后在音节内提取语音的基音频率，并以三音节为单元得到连续三音节的声调曲线，插值后作为声调特征，进行声调的高斯混合模型训练。测试语音经过相同的预处理过程得到三音节声调特征，然后根据三音节GKM模型计算声调的后验概率得分。但是这个概率得分，不是人们可以直观接受的，所以将测试打分语咅分为两部分，一部分语音用来得到映射算法，另一部分用于测试最后的打分效果。评分框图如图1所示。阁1声调评分流程框阁Fig.ltoneevaluationflowchart1.1音节切分音节是语音的一个基本单元，每个音节在具体...