趙云雪　張瓏　鄭世杰

摘要：重音是語言交流中不可或缺的部分，在語言交流中扮演著非常重要的角色。本文基于ASCCD朗讀語篇語料庫，使用MFCC算法提取每個(gè)語音段的融合上下文子段拼接短時(shí)譜信息，構(gòu)建基于MFCC算法的上下文短時(shí)譜特征集；并選用NaiveBayes分類器對(duì)這類特征集進(jìn)行建模，而且將具有最大后驗(yàn)概率的類作為該對(duì)象所屬的類，這種分類方法充分利用了當(dāng)前語音段的相關(guān)語音特性；融合上下文的MFCC短時(shí)譜特征組在ASCCD上能夠得到83.6%的漢語重音檢測(cè)正確率。實(shí)驗(yàn)結(jié)果證明，融合上下文子段拼接特征規(guī)整方法可以用于漢語重音檢測(cè)研究中。

關(guān)鍵詞：重音； 上下文； 短時(shí)譜特征； 重音檢測(cè)

中圖分類號(hào)：TP319 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-2163（2014）04-0036-03

Abstract：Accent is a critically important component of spoken communication， and plays a very important role in spoken communication. This paper selects from ASCCD corpus and conducts accent by using MFCC algorithm to extract each voice segment of short-time spectrum based on context sub-segment splicing information. After that， the paper builds integration context short-time spectrum feature sets based on MFCC algorithm， and chooses NaiveBayes classifier to model the two feature sets. NaiveBayes is to choose the classes with maximum a posteriori probability as the object's class. This classification method makes full use of the related phonetic features of speech segment. Integration context short-time spectrum of MFCC feature set respectively achieves 83.6% accent detection accuracy on ASCCD. The experimental results indicate that integration context sub-segment splicing feature structured method of MFCC can be used in Chinese accent detection study.

Key words：Accent； Context； Short-time Spectrum Features； Accent Detection

0引言

漢語重音檢測(cè)技術(shù)是韻律特征研究領(lǐng)域的一個(gè)重要組成部分。韻律特征主要包括重音、語調(diào)和聲調(diào)等，重音在語言交流中起到非常重要的作用，研究韻律特征可先從“重音”入手。

重音可以使人們的語言聽起來抑揚(yáng)頓挫，而不是平鋪直敘。另外，重音還有避免歧義和加強(qiáng)語義的作用。比如句子，“我在準(zhǔn)備考試了”，重音落在“我”和“考試”上，強(qiáng)調(diào)的內(nèi)容是不一樣的。再比如，“我想明天去游泳”，如果重音落在“明天”和“我”上，雖然語義相同，但說話人強(qiáng)調(diào)的內(nèi)容卻是不同的。

漢語重音檢測(cè)是指通過對(duì)語音信號(hào)的分析處理，提取影響重音的語音特征或建立相應(yīng)的語音模型，用來確定某個(gè)音節(jié)是否是重音。本文主要研究融合上下文的子段拼接MFCC特征，構(gòu)建了用于漢語重音檢測(cè)的融合上下文的短時(shí)譜特征集。

1研究狀況

胡偉湘等人[1]利用音長(zhǎng)和音高聲學(xué)相關(guān)特征集，采用基于分類回歸樹結(jié)構(gòu)的區(qū)分度模型，在韻律標(biāo)注語料庫ASCCD上能夠達(dá)到80%的重音檢測(cè)正確率。邵艷秋等人[2]則利用神經(jīng)網(wǎng)絡(luò)對(duì)聲學(xué)相關(guān)特征、語言學(xué)相關(guān)特征和混合特征進(jìn)行漢語重音檢測(cè)，能夠得到78.4%、83.2%和84.3%的正確率。同時(shí)，陳楠等人[3]又提出了基于動(dòng)態(tài)幀長(zhǎng)的基音同步能量和基音同步峰值特征的英語重音檢測(cè)，聯(lián)合使用新特征與傳統(tǒng)特征，可使誤識(shí)率下降6.65%。更進(jìn)一步地，陳楠等人[4]使用非線性加權(quán)能量特征以及與傳統(tǒng)特征的特征組合對(duì)英語進(jìn)行重音檢測(cè)，非線性加權(quán)能量特征比傳統(tǒng)特征魯棒性更高，聯(lián)合使用新特征與傳統(tǒng)特征，可使系統(tǒng)誤識(shí)率下降3.58%。而且，陳楠等人[5]還從聽覺模型的角度出發(fā)，利用能同時(shí)表征瞬時(shí)頻率和強(qiáng)度信息的基音同步幅度峰值特征進(jìn)行重音檢測(cè)。李坤等人[6]即根據(jù)聽感知特性，引入半音程和響度特征，并以歸一化的音節(jié)最高值代替其平均值，系統(tǒng)正確率達(dá)到78.7%，漏檢率為9.37%。在此基礎(chǔ)上，也陸續(xù)提出了基于掩蔽效應(yīng)的突顯度模型，系統(tǒng)正確率提高到83.4%，漏檢率下降到5.72%。相應(yīng)地，倪崇嘉等人[7-8]亦對(duì)漢語重音檢測(cè)開展了進(jìn)一步的研究，利用聲學(xué)相關(guān)特征以及詞典語法相關(guān)特征對(duì)漢語重音進(jìn)行檢測(cè)，并采用Boosting集成分類回歸樹對(duì)當(dāng)前音節(jié)的聲學(xué)相關(guān)特征以及詞典和語法相關(guān)特征進(jìn)行建模，其后更對(duì)詞典和語法相關(guān)特征采用條件隨機(jī)場(chǎng)方法進(jìn)行了建模，最后，再將Boosting集成分類回歸樹模型和條件隨機(jī)場(chǎng)模型通過加權(quán)組合而獲得識(shí)別率更高的混合模型，在ASCCD語料庫上隨即獲得76.3%重音檢測(cè)正確率。此外，李心廣等人[9]研究基于重音與韻律的英語句子客觀評(píng)價(jià)系統(tǒng)，通過提取語音的能量特征，對(duì)英語句子進(jìn)行重音劃分。

現(xiàn)有的重音檢測(cè)方法一般都采用基于整個(gè)音節(jié)提取當(dāng)前音節(jié)級(jí)的聲學(xué)特征及其統(tǒng)計(jì)特征。本文提出了一種針對(duì)NaiveBayes輸入特征規(guī)整的改進(jìn)方案，即融合上下文子段拼接方法的短時(shí)譜特征（語音幀級(jí)特征），子段拼接的短時(shí)譜特征是以每個(gè)音節(jié)的語音段為單位，將每個(gè)漢字的所有語音幀平均分為多段，相當(dāng)于將時(shí)長(zhǎng)、強(qiáng)度、聲母和韻母進(jìn)行了細(xì)分。由此看來，融合上下文子段拼接的短時(shí)譜特征包含更多的信息，可以更細(xì)致地刻畫語音的細(xì)節(jié)，對(duì)漢語重音檢測(cè)也更具力度。

ASCCD朗讀語篇語料庫（Annotated Speech Corpus of Chinese Discourse）由語篇語料、語音數(shù)據(jù)和語音學(xué)標(biāo)注信息組成，適用于語言語音研究、語音工程開發(fā)和基礎(chǔ)漢語普通話教學(xué)等領(lǐng)域。語料文本是18篇敘事體、議論體語篇，每篇3-5個(gè)自然段，每個(gè)自然段500-600個(gè)音節(jié)，總計(jì)9 000個(gè)音節(jié)，共10個(gè)發(fā)音人，5男5女，分別記為M001、M002、M003、M004、M005、F001、F002、F003、F004、F005，使用標(biāo)準(zhǔn)普通話，以自然的方式，標(biāo)準(zhǔn)的語速，流暢地朗讀語篇。所有語音都經(jīng)過標(biāo)注，音段采用SAMPA-C標(biāo)準(zhǔn)標(biāo)注[10]，韻律采用C-ToBI韻律標(biāo)注系統(tǒng)標(biāo)注，具體標(biāo)注了音節(jié)拼音、聲韻母、聲調(diào)、韻律邊界等級(jí)以及語句重音信息[11]，標(biāo)記了每個(gè)韻律單位的重音，共分0、1、2、3級(jí)，漢語的重音也是與韻律結(jié)構(gòu)對(duì)應(yīng)的層級(jí)結(jié)構(gòu)。韻律詞中最重音節(jié)重音標(biāo)為1，次要韻律短語中最重音節(jié)重音標(biāo)為2，主要韻律短語中最重音節(jié)重音標(biāo)為3，0則表示不重讀，即正常讀音。在本文研究中，需將音節(jié)分為正常讀音和重音，而并不細(xì)分音節(jié)之間的差別，為此則將韻律詞重音和次要韻律短語（MIP）重音看做正常讀音，卻只將主要韻律短語（MAP）重音看作是重讀。ASCCD語料庫中重音的分布如表1所示。

梅爾頻率倒譜系數(shù)MFCC充分利用了人耳的聽覺感知特性，并將該特性與聲音產(chǎn)生機(jī)制結(jié)合，即更好地模擬了人耳對(duì)語音信號(hào)的處理過程，其提取的特征也更能真實(shí)反映聽覺系統(tǒng)的獨(dú)特性質(zhì)。因此，融合上下文子段拼接的 MFCC短時(shí)譜特征集在漢語重音檢測(cè)研究中都能取得較好的識(shí)別率。實(shí)驗(yàn)結(jié)果也證實(shí)了這一推想。

4結(jié)束語

本文詳細(xì)闡述了融合上下文子段拼接的MFCC短時(shí)譜特征集。然后，采用NaiveBayes分類算法在ASCCD朗讀語篇語料庫上對(duì)當(dāng)前音節(jié)的短時(shí)譜特征進(jìn)行建模，NaiveBayes即選擇具有最大后驗(yàn)概率的類作為該對(duì)象所屬的類，這種分類方法則充分利用了當(dāng)前語音段的相關(guān)語音特性。實(shí)驗(yàn)結(jié)果也進(jìn)一步表明融合上下文子段拼接的MFCC短時(shí)譜特征有著很高的識(shí)別率。下一步，就要對(duì)所用的特征進(jìn)行簡(jiǎn)化，或改進(jìn)MFCC算法，旨在提取最少的特征得到更高的識(shí)別率。

參考文獻(xiàn)：

[1]胡偉湘，董宏輝，陶建華，等. 漢語朗讀話語重音自動(dòng)分類研究[J]. 中文信息學(xué)報(bào)，2005（6）：80-85.

[2]邵艷秋，韓紀(jì)慶，劉挺，等. 自然風(fēng)格言語的漢語句重音自動(dòng)判別研究[J]. 聲學(xué)學(xué)報(bào)，2006（3）：203-210.

[3]陳楠，賀前華，王偉凝，等. 基音同步幀長(zhǎng)特征在英語詞重音檢測(cè)中的應(yīng)用[J]. 計(jì)算機(jī)應(yīng)用，2008（6）：1533-1536.

[4]陳楠，賀前華. 非線性加權(quán)能量特征在英語詞重音檢測(cè)中的應(yīng)用[J]. 聲學(xué)學(xué)報(bào)（中文版），2008（6）：520-525.

[5]陳楠，賀前華，李韜. 基于聽覺模型的特征在英語重音檢測(cè)中的應(yīng)用[J]. 計(jì)算機(jī)工程，2009（8）：26-27，30.

[6]李坤，劉加. 基于聽感知特征的英語句子重音檢測(cè)[J]. 清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2010（4）：613-617.

[7]倪崇嘉，張愛英，劉文舉. 基于聲學(xué)相關(guān)特征與詞典語法相關(guān)特征的漢語重音檢測(cè)[J]. 計(jì)算機(jī)學(xué)報(bào)， 2011（9）： 1638-1649.

[8]倪崇嘉，劉文舉，徐波. 基于互補(bǔ)模型的漢語重音檢測(cè)[J]. 計(jì)算機(jī)工程，2011，23：20-23.

[9]李心廣，王桂珍，楊思哲. 考察重音與韻律的英語句子客觀評(píng)價(jià)系統(tǒng)研究[J]. 計(jì)算機(jī)工程與應(yīng)用，2013，（8）：105-109，150.

[10]CHEN Xiaoxia， LI Aijun， SUN Guohua， et al. An application of SAMPA-C for standard Chinese[C]//Proceedings of the International Conference on Spoken Language Processing. Beijing， China， 2000：652-655.

[11]LI Ai jun. Chinese prosody and prosodic labeling of spontaneous speech[C]//Proceedings of the Speech Prosody 200.Aix-en-Provence， France， 2002：39-46.