一種基于河南方音的英語語音學(xué)習(xí)系統(tǒng)

李楠

(河南師范大學(xué) 外國語學(xué)院，河南 新鄉(xiāng) 453007)

[摘要]在評價現(xiàn)有的語音學(xué)習(xí)軟件的基礎(chǔ)上，結(jié)合河南英語語音教學(xué)的需求，提出了建立語音學(xué)習(xí)系統(tǒng)的模型與基本方法，并嘗試結(jié)合以河南方音為背景的學(xué)生來形成相應(yīng)診斷，進而提升其英語語音學(xué)習(xí)水平。

[關(guān)鍵詞]方音背景；非本族語的英語語音識別；機助語音學(xué)習(xí)系統(tǒng)；二語語音習(xí)得

[基金項目]教育部人文社科項目“基于詞匯坐標的英語語料庫檢索平臺研究”(12YJC740062)；教育部人文社科項目“基于語料庫的中國學(xué)習(xí)者英語搭配認知模式研究”(12YJC740088)。

[作者簡介]李楠(1980-)，女，河南安陽人，講師，主要從事應(yīng)用語言學(xué)研究。

[中圖分類號]G434

[收稿日期]2015-05-11

一、引言

目前，英語語音的重要性及其在外語教學(xué)中的首要地位已成為每一位英語教師及學(xué)習(xí)者必須承認的現(xiàn)實。英語語音教學(xué)已經(jīng)成為貫穿英語學(xué)習(xí)各個階段的重點。然而，河南省英語語音教學(xué)方面依然存在一些問題。這些問題阻礙了河南省英語教學(xué)質(zhì)量的整體提高，亟待解決。英語教學(xué)資源配置向城市傾斜、農(nóng)村英語教學(xué)的師資素質(zhì)問題及英語學(xué)習(xí)環(huán)境的嚴重缺乏成為阻礙提高英語語音教學(xué)整體質(zhì)量的關(guān)鍵[1,2]。據(jù)河南省次方言區(qū)的調(diào)查顯示，有32.05%的學(xué)生反映自己的單詞的發(fā)音水平較差，26.92%的學(xué)生反映自己對重音的把握能力較差，而只有分別為11.53%和21.79%的學(xué)生認為自己對單詞的發(fā)音和重音的把握基本可以[3]。對此，英語課堂教師及研究者提出了各種解決方案：進行滲透式語音教學(xué)；提高教師業(yè)務(wù)素質(zhì)，完善硬件設(shè)施的配備，使英語教學(xué)方式多樣化等[4]。經(jīng)過政府教育機構(gòu)和教師們多年的共同努力，在英語教學(xué)改革上取得了一定的進展，但是其效果遠遠未能滿足當(dāng)今社會的需求。教師隊伍整體素質(zhì)的提高需要不間斷的努力，不能一蹴而就。另外，硬件配置又受多方限制，不能一朝一夕得到解決。相對而言，如果能夠有一個集檢測、評價、反饋功能于一體的軟件來指導(dǎo)學(xué)習(xí)者英語語音習(xí)得過程中的聽和說，那么學(xué)習(xí)者就可以通過該軟件的評價系統(tǒng)更加清晰地了解自己發(fā)音的不足之處，對自己的語音水平有一個整體的把握；通過該軟件的反饋系統(tǒng)就可以對發(fā)音困難進行糾錯和跟讀模仿訓(xùn)練，這樣就等于有了一個貼身老師，從而可以取得更大的進步。

從語言本身的特點而言，雖然學(xué)習(xí)者學(xué)習(xí)動機較強，模仿也很認真，但是他們的發(fā)音仍存在一些問題，語音在某些內(nèi)容上可意會不可言傳的特性導(dǎo)致了這種局面，如音高、音強、音長等物理特性就很抽象。英漢語音的諸多差異更為細微和難以把握。教學(xué)中希望有一種儀器使發(fā)音的特征通過可視的形式顯示出來，可使學(xué)生直觀認知，再進行操練，與樣本對照，不斷修正自己的發(fā)音，提高語音學(xué)習(xí)效果。

二、研究背景

目前，國內(nèi)外對于英語語音的研究分為音段層面(如音位)及超音段層面(如語調(diào))。在英語語音教學(xué)中對超音段往往沒有給予足夠的重視，或者缺乏有效的訓(xùn)練手段，而利用計算機軟件提供的視覺反饋來進行訓(xùn)練是解決這一問題的有效途徑。中國學(xué)生的語音練習(xí)通常采用聽錄音并且跟讀模仿的方法，練習(xí)過程中學(xué)生得不到任何反饋引導(dǎo)，因此我們很難確定機器播放出的語音與學(xué)生跟讀兩者之間的相關(guān)性。在課堂教學(xué)中，即使有教師指導(dǎo)，也很難做到對學(xué)生的語音、語調(diào)提出實時的、準確的指點，使學(xué)生立即明白問題出在什么地方。針對上述種種問題，國外不少語言研究機構(gòu)都致力于開發(fā)用于語音訓(xùn)練的計算機軟件，其中有以旨在訓(xùn)練口語的基于一定句法規(guī)則的Y Nut[5]，也有 PRAAT語音學(xué)習(xí)分析軟件。國內(nèi)也有語音助學(xué)軟件，如百度語音、超級語音學(xué)習(xí)系統(tǒng)(SuperSpeech)、新東方國際音標發(fā)音軟件?，F(xiàn)有語音學(xué)習(xí)軟件大都以習(xí)得標準目標語為目的，不考慮方音因素。要么以神經(jīng)網(wǎng)絡(luò)和監(jiān)控理論為框架[6]，要么通過對比標準語音庫和學(xué)習(xí)者語音產(chǎn)出給出評分，少有軟件能夠根據(jù)學(xué)習(xí)者語音產(chǎn)出進行相應(yīng)診斷，給出改進方法或建議?？偟膩碚f，國內(nèi)的機助語音學(xué)習(xí)軟件大都停留在音段音位層面，對非連續(xù)語流中的音段音位的判斷相對準確。而對于超音段音位層面的重讀、節(jié)奏以及語調(diào)的判定較為模糊。相比之下，國外的此類軟件則相對成熟，但是，由于母語背景不同，以及界面語言采用的并非漢語，中國英語學(xué)習(xí)者使用起來較為費力，并且針對性不強。地處中原的河南省擁有眾多的次方言區(qū)，有些方音差別極大，甚至?xí)a(chǎn)生省內(nèi)交流不能相互通達的情況，方音背景的差別使得英語語音學(xué)習(xí)也出現(xiàn)了諸多問題。

本研究以河南方音為背景的英語學(xué)習(xí)者為依托，首先找出英語發(fā)音困難較大的典型次方言區(qū)的學(xué)習(xí)者，采集他們的發(fā)音數(shù)據(jù)。通過對發(fā)音數(shù)據(jù)的分析，得出發(fā)音困難的模式，形成凸顯發(fā)音困難的語音數(shù)據(jù)庫，以方便與標準英語參照數(shù)據(jù)庫進行比照?；诜揭糇詣臃治龊妥R別技術(shù)，對學(xué)習(xí)者的語音輸入自動識別、歸類，并根據(jù)分析結(jié)果給出反饋和評價。在此基礎(chǔ)上為不同方言背景和發(fā)音困難的學(xué)習(xí)者訂制練習(xí)，從而增強語音學(xué)習(xí)的交互性和靈活性，提高學(xué)生參與學(xué)習(xí)的主動性和積極性，使學(xué)生更加容易掌握語音知識。

三、理論模型

語言學(xué)習(xí)遵循聽、說、讀、寫這一發(fā)展順序的軌道[7]，即聽說在先，讀寫在后。沒有聽覺輸入的語音產(chǎn)出在正常條件下幾乎是不可能做到的。所以，聽為語音產(chǎn)出提供了前提和基礎(chǔ)，而說是語音輸入的檢驗。傳統(tǒng)的語言學(xué)習(xí)是基于文本，或叫做基于教材的學(xué)習(xí)?；诮滩牡膶W(xué)習(xí)一直是學(xué)校教育所采取的最基本的教學(xué)手段，長久以來，它對于語言能力的訓(xùn)練的效果是毋庸置疑的。但是在傳統(tǒng)的基于文本的教學(xué)過程中，聽與說的能力的鍛煉未能得到很好的體現(xiàn)。同時，人們也開始質(zhì)疑基于文本學(xué)習(xí)的效率[8,9]。以聽力和口語鍛煉為基礎(chǔ)的活動是不能只靠文本形式的教科書實現(xiàn)的，但是通過視覺、語音的輸入，聽力和口語活動開展起來卻事半功倍。隨著時代的發(fā)展，對英語學(xué)習(xí)者的口語表達能力提出了越來越高的要求。同時，成功的語言交際又離不開可以為國際言語交際社團所接受的語音。

3.1框架設(shè)計

開發(fā)一個系統(tǒng)，首先需要建立整個系統(tǒng)的框架，確定系統(tǒng)的體系結(jié)構(gòu)由哪些模塊組成，模塊間的調(diào)用關(guān)系如何，需要哪些全局變量等。通過分析和查閱文獻，參考現(xiàn)有的語音學(xué)習(xí)軟件的開發(fā)理念，我們總結(jié)出如圖1所示的系統(tǒng)結(jié)構(gòu)圖[7]。

正如圖1所展示的那樣，精心設(shè)計的多媒體練習(xí)可以激活視覺處理器、聽覺處理器及概念處理器，并且技術(shù)上可以實現(xiàn)多媒體練習(xí)與三個處理器的實時、同步運作。這對提高系統(tǒng)效能有著非比尋常的意義。與此同時，他們和學(xué)習(xí)者的現(xiàn)時記憶及長時記憶相互作用。于是，學(xué)習(xí)者便能夠?qū)⒄Z言和多媒體練習(xí)提供的感官輸入拼湊在一起，形成有意義的理解。學(xué)習(xí)者的長時記憶、系統(tǒng)提供的視覺信息及概念處理器共同工作可以將看到、聽到的語音信息解碼，最終形成自己的理解。通過練習(xí)，學(xué)習(xí)者可以將腦部系統(tǒng)中的相關(guān)機制調(diào)動起來，為學(xué)習(xí)過程提供便利。這樣，不僅可以鍛煉學(xué)習(xí)者的口語表達能力，還能經(jīng)過反復(fù)練習(xí)，充分調(diào)動腦部相關(guān)機制，便于學(xué)習(xí)者從練習(xí)中發(fā)現(xiàn)語言的規(guī)則和模式。這種有意義的、反復(fù)的練習(xí)對口語流利性的達成是十分有益的。

在語音練習(xí)這個最主要的模塊中，系統(tǒng)不光向?qū)W習(xí)者提供反復(fù)聆聽、錄音、發(fā)音對比的功能，還可以在學(xué)習(xí)者聽取系統(tǒng)提供的規(guī)范發(fā)音的同時，提供與語音信號同步的視覺畫面。這樣，學(xué)習(xí)者不僅可以鍛煉發(fā)音，還可以掌握在真實的語言環(huán)境下得體地使用語言的交際能力。

3.2 工作原理

本文所描述的語音學(xué)習(xí)系統(tǒng)與以往的語音學(xué)習(xí)軟件最大的不同之處就在于加入了方言的因素。所以，以圖1所示的語音識別系統(tǒng)的設(shè)計原理為指導(dǎo)，我們建構(gòu)了以河南方音為背景的機助語音學(xué)習(xí)系統(tǒng)。我們的系統(tǒng)仍然保留原有的標準語音庫，即聲學(xué)參數(shù)模板。它是用訓(xùn)練和聚類的方法，從一人或多人的多次重復(fù)的語音參數(shù)之中，經(jīng)過長時間的訓(xùn)練而聚類得到的。或者我們可以參照現(xiàn)有的語音庫。但是，我們將在標準語音庫之外設(shè)計一個以河南方音為背景的英語學(xué)習(xí)者的發(fā)音數(shù)據(jù)庫(或稱為方言數(shù)據(jù)庫)，作為原有的標準語音庫的補充數(shù)據(jù)。測度估計是語音識別的核心，用來表征參數(shù)與模板之間的測度。這樣做，在測度估計中，可以參照方言數(shù)據(jù)庫提供的以河南方音為背景的英語學(xué)習(xí)者的發(fā)音數(shù)據(jù)，以增加對學(xué)習(xí)者的失誤發(fā)音或錯誤發(fā)音的判決的準確度。在輸出識別結(jié)果之后，可以通過語音評價機制對學(xué)習(xí)者的發(fā)音做出反饋。通過在視覺上規(guī)范語譜圖和學(xué)習(xí)者語譜圖的對比、聽覺上規(guī)范發(fā)音和學(xué)習(xí)者發(fā)音的對比，可以更快地幫助學(xué)習(xí)者改正錯誤的發(fā)音習(xí)慣、掌握正確的發(fā)音方法。系統(tǒng)將向?qū)W習(xí)者提供反復(fù)聽、練習(xí)的機會，直到學(xué)習(xí)者達到自己預(yù)期的語音水平。除此之外，我們還將在聽取系統(tǒng)規(guī)范發(fā)音的同時提供與發(fā)音同步的視覺畫面，這樣能夠使學(xué)習(xí)者在真實的語言環(huán)境下掌握和使用正確的發(fā)音。

四、方音的凸顯與自動分析

自動語音識別是任何語音學(xué)習(xí)平臺的核心技術(shù)。一般采用的基本方法有三：基于聲道模型及語音知識的方法、模板匹配的方法和利用人工神經(jīng)網(wǎng)絡(luò)的方法[10]。本語音訓(xùn)練系統(tǒng)采用的是模板匹配的方法，其核心概念支持為隱馬爾可夫理論(Hidden Markov Model，簡稱HMM)。自動語音識別技術(shù)領(lǐng)域亟待解決的一個難題就是必須在自適應(yīng)性能方面有待進一步地提高，做到不受特定人、口音或者方言的影響[11]?？谡Z方音研究主要圍繞兩大問題展開，通過發(fā)音建模的口音適應(yīng)以及方音的識別[12]來進行。方音較重造成的語音錯誤在所有發(fā)音錯誤中占據(jù)了相當(dāng)一部分比重[13,14]。另外，同一方音背景的人在語音產(chǎn)出中會犯類似的錯誤?；阱e誤數(shù)量比重大及錯誤類型模式集中這樣兩點，基于方音的建模就成為一個理想的解決方案[15]。在我們的研究中，也就是收集并建立有河南方音的英語發(fā)音數(shù)據(jù)庫。

語音識別基元的選取和識別是以方言為背景的語音學(xué)習(xí)平臺建立中的另一個重要問題。它對于語音識別系統(tǒng)的實現(xiàn)和準確度的高低有著重要的意義，必須要對它進行準確地界定。同時還需要確保有足夠的數(shù)據(jù)對其進行訓(xùn)練，使其涵蓋數(shù)據(jù)群體特征[16]。此語音識別系統(tǒng)的識別基元采用音素建模。音素是采用最多的英語語音識別基元[17]。由于受方音背景影響的英語發(fā)音情況的復(fù)雜性，在識別操作過程中應(yīng)充分考慮對識別影響較大的因素，如清輔音的濁化、詞尾輔音的加音、鼻輔音的脫落等[14]。

此外，語言模型和聲學(xué)模型是語音識別的基礎(chǔ)，必須具有抗噪的強健性[18]。其性能受諸多因素的影響，包括不同的說話人、說話方式、環(huán)境噪音、傳輸信道等等[19]。提高系統(tǒng)強健性，就要提高系統(tǒng)克服這些因素影響的能力，使其在不同的應(yīng)用環(huán)境條件下工作性能穩(wěn)定。一個高效的語音識別系統(tǒng)還必須同時具有一定的自適應(yīng)能力，根據(jù)不同的影響來源，自動地、有針對性地對系統(tǒng)進行調(diào)整，在使用中通過語音輸入的增加得到不斷地訓(xùn)練從而逐步提高性能。

五、機助語音學(xué)習(xí)系統(tǒng)的發(fā)展前景

機助語音學(xué)習(xí)系統(tǒng)的建立同語音識別技術(shù)的發(fā)展密不可分。從一定程度上來講，機助語音學(xué)習(xí)系統(tǒng)的有效性很大部分上取決于語音識別率的高低。盡管語音識別的研究已長達半個世紀，但現(xiàn)有的語音識別系統(tǒng)離實用化的要求還存在一定的差距。在語音識別中遇到的另外一個難題是語音識別基元的選擇，在實際應(yīng)用中表現(xiàn)為，如何根據(jù)存貯空間、搜索速度和使用者個體特點的要求，選擇合適的識別單元，如詞、音節(jié)、音素。目前，語音識別系統(tǒng)中很少涉及到的一個語言特征就是韻律信息。韻律信息指的是說話之中的重音、語調(diào)等超音段信息。說話的韻律可以傳達出很多重要信息。因此，如何在語音識別中結(jié)合韻律信息還有待進一步的研究。

由于技術(shù)和資源方面的局限性，以方言為背景的語音識別技術(shù)在語音教學(xué)中的應(yīng)用還鮮為人們所涉及。但是，此項研究卻具有重大的理論意義和現(xiàn)實意義。一方面，以方言為背景的語音識別為現(xiàn)有語音識別技術(shù)增加了一個新的研究層面。從語音習(xí)得的角度講，以方音為背景的機助語音學(xué)習(xí)系統(tǒng)的建立更是二語語音習(xí)得研究的一項有益嘗試。另一方面，針對河南省英語教學(xué)銜接不夠合理、教師的知識結(jié)構(gòu)落后、硬件設(shè)施配備不完善等現(xiàn)實問題，以及中國和河南方音情況復(fù)雜這樣一個現(xiàn)狀，以方言為背景的機助語音學(xué)習(xí)系統(tǒng)的建立更是迫在眉睫。以方言為背景的機助語音學(xué)習(xí)系統(tǒng)的建立能為語音教學(xué)提供有效的手段，從而有效地促進不同方言區(qū)的語音教學(xué)。

[參考文獻]

[1]高鵬. 中學(xué)英語口語教學(xué) [J]. 康定民族師范高等專科學(xué)校學(xué)報，2002，9(2)：60-62.

[2]顧俊秀. 中學(xué)英語課堂教學(xué)改革小議 [J]. 大同職業(yè)技術(shù)學(xué)院學(xué)報，2006，20(4)：93-94.

[3]馬均平，賈慧范.農(nóng)村中小學(xué)英語詞匯及語音教學(xué)情況調(diào)查及研究(未發(fā)表)[Z].全國教育科學(xué)“十一五”規(guī)劃2007年度教育部規(guī)劃課題研究論文. 2012.

[4]吳效鋒.新課程怎樣教 [M].沈陽：遼寧大學(xué)出版社，2005，1-324.

[5]Timo, O L N, Bissyandé, T. F. Y Nut, a Phonetic-Based Learning System for Spoken Languages [Z]. E-Infrastructure and E-Services for Developing Countries -- 5th International Conference, AFRICOMM 2013, Blantyre, Malawi, November 25-27, 2013, Revised Selected Papers, 229-233.

[6]Moulin-Frier, C, Arbib, M A. Recognizing speech in a novel accent: the motor theory of speech perception reframed [J]. Biological Cybernetics, 2013, (4): 421-447.

[7]Knowles, L. The Evolution of Computer Assisted Language Learning [J]. Journal of Communication and Publication, 2004, (1): 1-38.

[8]Thompson, C L. Pronouns and Voice in Koyukon Athapaskan: A Text-Based Study [J]. International Journal of American Linguistics, 1989, (1): 1-24.

[9] McCarthy, J C, Miles, V C, & Monk, A F. An Experimental Study of Common Ground in Text-based Communication [R]. CHI ’91 Proceedings of the SIGHI Conference on Human Factors in Computing Systems: Reaching through Technology. New York: Association for Computer Machinery, 1991: 209-217.

[10]Lee, Kai-Fu. Automatic Speech Recognition: The Development of the SPHINX System [M]. Norwell: Kluwer Academic Publisher, 1989: 1-211.

[11]鐘玉琢. 多媒體技術(shù)基礎(chǔ)及應(yīng)用[M]. 北京：清華大學(xué)出版社，2006，1-376.

[12]Huang, C, Chen, T, & Chang, E. Accent Issues in Large Vocabulary Continuous Speech Recognition [J]. International Journal of Speech Technology, 2004, 7 (2-3): 141-153.

[13]Huang, C, Chang, E, Zhou, J L, & Lee, K F. Accent modeling based on pronunciation dictionary adaptation for large vocabulary Mandarin speech recognition [C]. Proceedings of International Conference on Spoken Language Processing, 2000, 3: 818-821.

[14]李楠. Problematic English Phones for Chinese EFL Learners [D]. 中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫，2009, 8(8).

[15]Sangwan, A, Hansen, J H L. Automatic analysis of Mandarin accented English using phonological features. Speech Communication, 2012, 54: 40-54.

[16]Lawrence, R. Fundamentals of Speech Recognition [M]. New Jersey: Pearson Education, 2008: 1-540.

[17]Goronzy, S. Robust Adaptation to Non-Native Accents in Automatic Speech Recognition [M]. Verlag, Berlin & Heidelberg: Springer, 2002, 1-144.

[18]Flanagan, J L, et al. Automatic speech recognition in severe environments - A Report Prepared by National Research Council (U.S.), Committee on Computerized Speech Recognition Technologies, National Research Council (U.S.) [C]. Washington, D.C.: National Academy Press, 1984, 1-81.

[19]韓紀慶，張磊，鄭鐵然. 語音信號處理 [M]. 北京：清華大學(xué)出版社，2004，1-328.

[責(zé)任編輯：K]