基于音素相关后验概率变换的发音质量评价
帧规整对数后验概率是目前公认最有效的发音质量的度量。本文证明了该度量反映了当前发音对应的声学模型 与概率空间中声学模型的混淆程度，使其在评分任务上存在着严重的缺陷。因此提出了可训练的音素相关的后验概率变换；并研究了线性和非线性sigmoid变换，同时给出线性变换的显式全局最优解和非线性变换的梯度下降解法。在全国采集的普通话水平测试现场考试的篇章朗读题型上进行实验。实验结果表明：当概率空间包含所有音素时，该方法能使人机相关度从0.582 提升至0.768；当采用优化的概率空间时，该方法能使人机相关度从0.680提升至0.773。
汉语发音 音素度量 后验概率 数理语言学
严可 魏思 戴礼荣 刘庆峰
中国科学技术大学 电子信息工程,合肥 230027 安徽科大讯飞股份有限公司,合肥 230027 中国科学技术大学 电子信息工程,合肥 230027 安徽科大讯飞股份有限公司,合肥 230027
国内会议
西安
中文
1-4
2011-10-16（万方平台首次上网日期，不代表论文的发表时间）