基于HMM和ANN汉语普通话口语测评系统的实现

马 亮 程 陈 任海军 王文青 周 辉

（中国地震局 第二监测中心，陕西 西安 710054）

0 引言

语言是人与人之间信息交流意思表达最直接、最自然的手段，它由语音、词汇、语法三部分组成。而口语是口头交际時使用的语言，是最早被人类普遍应用的语言形式。人们训练口语技能主要从语言表达的准确性、流利度、是否得体、多样性等为基准。

语音声纹识别技术是人机交互中的关键技术。语音声纹识别技术就是让机器通过构建识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音声纹识别技术除了特征提取技术、模式匹配准则及模型训练技术之外，还涉及到有语音识别单元的选取，选择识别单元是语音识别研究的第一步。语音识别单元有单词（句）、音节和音素三种，而汉语则以音节单元识别为主[1]。

1 口语测评机制的建立

口语测试的评分一般分为两种：一种是自动评分，一种为专家评分。在自动评分中可以尽可能脱离人的主观因素对口语测试者的发音客观评分，最大程度呈现测试者的真实水平，在实际中得到了广泛运用。针对这一研究，我们主要用到的技术是运用语音识别和统计模型的相关理论，通过提取被测者语音信号的特征参数，计算机对其经过一系列数字信号处理，从而在统计模型中对它进行分析测评。特征参数提取采用的是Mel频率倒谱参数（MFCC）。本文中以非线性的特征参数MFCC为主，结合LSP，提出了一种语音特征参数的混合使用方法 （M/L），使发音质量判决系统的正确率有所改进。……