针对目前方法进行英语口语发音校正时,存在漏校正数量较高的问题,提出了基于DIVA模型的英语辅音发音错误自动校正方法。该方法首先依据DIVA模型(Directions into Velocities of Articulators Model)生成学习者语音辅音发音数据;结合HMM...针对目前方法进行英语口语发音校正时,存在漏校正数量较高的问题,提出了基于DIVA模型的英语辅音发音错误自动校正方法。该方法首先依据DIVA模型(Directions into Velocities of Articulators Model)生成学习者语音辅音发音数据;结合HMM模型(Hidden Markov Model)建立学习者口语发音模型对数据进行训练提取数据特征;最后通过混淆的矩阵因素聚类算法计算学习者发音特征与正确发音数据之间的相似度,获取校正系数值,完成口语发音错误的校正。实验结果表明,运用该方法校正口语发音时的校正数量较高、校正成功率较好、漏校正数量较低。展开更多
文摘针对目前方法进行英语口语发音校正时,存在漏校正数量较高的问题,提出了基于DIVA模型的英语辅音发音错误自动校正方法。该方法首先依据DIVA模型(Directions into Velocities of Articulators Model)生成学习者语音辅音发音数据;结合HMM模型(Hidden Markov Model)建立学习者口语发音模型对数据进行训练提取数据特征;最后通过混淆的矩阵因素聚类算法计算学习者发音特征与正确发音数据之间的相似度,获取校正系数值,完成口语发音错误的校正。实验结果表明,运用该方法校正口语发音时的校正数量较高、校正成功率较好、漏校正数量较低。
