CN108364634A - 基于深度神经网络后验概率算法的口语发音评测方法 - Google Patents

基于深度神经网络后验概率算法的口语发音评测方法 Download PDF

Info

Publication number
CN108364634A
CN108364634A CN201810179106.0A CN201810179106A CN108364634A CN 108364634 A CN108364634 A CN 108364634A CN 201810179106 A CN201810179106 A CN 201810179106A CN 108364634 A CN108364634 A CN 108364634A
Authority
CN
China
Prior art keywords
phoneme
neural network
word
average
audio
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810179106.0A
Other languages
English (en)
Inventor
徐祥荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Sound Mdt Infotech Ltd
Original Assignee
Suzhou Sound Mdt Infotech Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Sound Mdt Infotech Ltd filed Critical Suzhou Sound Mdt Infotech Ltd
Priority to CN201810179106.0A priority Critical patent/CN108364634A/zh
Publication of CN108364634A publication Critical patent/CN108364634A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/005—Language recognition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G10L2015/0631—Creating reference templates; Clustering

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明公开了一种基于深度神经网络后验概率算法的口语发音评测方法。该方法包括以下步骤：从语音中选取一定数量的音频，其中每个音频的单词数量均在一定的范围内，计算各音频中的每个单词的音素的平均似然度、音素的平均EGOP和音素的平均时长概率；并将其作为输入项输入到神经网络，并输出单词的分数。本发明中的基于深度神经网络后验概率算法的口语发音评测方法从声学模型角度出发，利用LSTM建模提升音素识别率，还将FA的似然度和所有相近的音素似然度作对比，将GOP方法扩展为EGOP方法，并采用人工神经网络打分模型进行打分，从而得到准确的语音评测结果。

Description

基于深度神经网络后验概率算法的口语发音评测方法
技术领域
本发明涉及发音评测领域，特别涉及一种基于深度神经网络后验概率算法的口语发音评测方法。
背景技术
常用的语音评测技术，比如用于英语口语教学中的语音评测，一般都是采用智能打分技术对学习者的口语进行评测，而目前智能打分技术主要还是基于GOP(Goodness OfPronunciation)方法。GOP方法依赖于两个过程，一个是强制对齐(Forced Alignment，简称FA)，一个是自由音素(Free Phoneme，简称FP)解码，其中FA就是基于声学模型和参考文本(即需要学习者跟读的文本)把每个单词的时间边界找到，同时得到每个单词的似然度(Likelihood)；而FP解码是用同样的音频，但是其解码的单位是音素级别，每个音素可以跟任何其他音素，在最理想的情况下，即声学模型足够好，音素识别率100％准确的情况下，对于那些读的特别好的音频，FP解码出来的音素序列和参考文本扩展出来的音素序列几乎一致，而对于那些读的特别差的音频，FP解码出来的音素序列和参考文本扩展出来的音素序列几乎完全不同。一般来说，可以将FA和FP解码两个过程最终得到的两个似然度之间的差别作为发音好坏的指标，其中差别越小说明发音越好，反之说明发音越差。但是在通常情况下，声学模型对音素的识别率是比较低的，因此FP解码所得到的似然度的准确率也比较低，这样就会导致评分的结果也不够准确。
发明内容
为解决上述问题，本发明提供了一种基于深度神经网络后验概率算法的口语发音评测方法。
根据本发明的一个方面，提供了一种基于深度神经网络后验概率算法的口语发音评测方法，包括以下步骤：
a)从语音中选取一定数量的音频，其中每个音频的单词数量均在一定的范围内；
b)计算各音频中的每个单词的音素的平均似然度；
c)计算各音频中的每个单词的音素的平均EGOP；
d)计算各音频中的每个单词的音素的平均时长概率；
e)分别将各音频中的每个单词的音素的平均似然度、音素的平均EGOP和音素的平均时长概率作为输入项输入到一个人工神经网络打分模型，并输出单词的分数。
本发明中的基于深度神经网络后验概率算法的口语发音评测方法从声学模型角度出发，利用LSTM建模提升音素识别率，还将FA的似然度和所有相近的音素似然度作对比，将GOP方法扩展为EGOP方法，并采用人工神经网络打分模型进行打分，从而得到准确的语音评测结果。
在一些实施方式中，选取音频的数量不超过10000条，每个音频的单词数量范围为1-20个。由此，能够设置合适的的音频数量和长度，为打分工作选取合适的样本。
在一些实施方式中，音素的平均似然度的计算方法为：计算单词中的各个音素的似然度，并取各个似然度的平均值为音素的平均似然度。由此，能够计算出音素的平均似然度。
在一些实施方式中，音素的平均EGOP的计算方法为：计算单词中的各个音素的似然度和FA似然度，将两者的差设为音素的似然差，并取各个单词的音素的似然差的总和为音素的平均EGOP。由此，能够计算出音素的平均EGOP。
在一些实施方式中，音素的平均时长概率的计算方法为：计算单词中的各个音素的均值和方差，使每个音素均得到一个概率分布，则取任意一个时长信息在各个音素下的概率的平均值为音素的平均时长概率，其中该概率分布为高斯分布。由此，能够计算出音素的平均时长概率。
在一些实施方式中，还包括以下步骤：f)训练多个人工神经网络打分模型，并分别对每条音频进行打分。打分的精确度到单词，并取各人工神经网络打分模型的打分的平均分作为单词的最终分数。由此，能够通过两次打分对音频及其各单词的打分结果进行进一步的优化。
在一些实施方式中，还包括以下步骤：g)根据各单词的分数计算出音频的分数。由此，可根据在需要的情况下，将各单词的最终分数通过选择合适的计算方式进行计算，从而得到整个音频的分数。
附图说明
图1为本发明一实施方式的基于深度神经网络后验概率算法的口语发音评测方法的人工神经网络打分模型的结构图
图2为图1所示基于深度神经网络后验概率算法的口语发音评测方法的声学模型的LSTM的cell结构示意图。
具体实施方式
下面结合附图对本发明作进一步详细的说明。
在使用本发明中的基于深度神经网络后验概率算法的口语发音评测方法时，首先从需要进行评测的一段或多段相关的语音中选取一定数量的音频，其中音频的数量优选为不超过10000条，而每个音频的单词数量均限制在一定的范围内，优选为1-20个，其中各单词又含有多个音素。
假设单词W含有k个音素，设为{P1,P2,…Pk}，其中各音素的似然度设为loglik(Pi)。传统的GOP(Goodness Of Pronunciation)方法用于衡量发音的特征公式为loglik(numerator)-loglik(denominator)，即FA过程过程得到的FA的平均似然度与FP解码过程过程得到的FP的平均似然度之差，其中，loglik(numerator)为FA的平均似然度，loglik(denominator)为FP的平均似然度，而计算平均值所用的时间边界为FA得到的时间边界。
图1示意性地显示了根据本发明的一种实施方式的基于深度神经网络后验概率算法的口语发音评测方法的人工神经网络打分模型的结构。如图1所示，该结构中，需要计算出每个单词的音素的平均似然度(avg loglik)、音素的平均EGOP(avg egop)和音素的平均时长概率(avg durationprob)，并将这三项作为输入项输入到人工神经网络打分模型，得到对单词的打分，从而能够进一步计算出对音频乃至对整个语音的打分。
音素的平均似然度的计算方法为：计算单词中的各个音素的似然度，并取各个似然度的平均值为音素的平均似然度。例如：对于含有k个音素{P1,P2,…Pk}的单词W，其中各音素的似然度为loglik(Pi)，则音素的平均似然度为loglik(W)＝Σk i＝1loglik(Pi)/k。
而音素的平均EGOP的计算方法为：计算单词中的各个音素的似然度和FA似然度，取将两者的差并设为各个音素的似然差，并取各个音素的似然差的总和为音素的平均EGOP。例如：对于含有k个音素{P1,P2,…Pk}的单词W，其中各音素的似然度为loglik(Pi)，而各音素的FA似然度为loglik(Pj)，则各个音素的似然差为diffloglik(Pj i)，而音素的平均EGOP为egop(Pi)＝Σkj＝1diffloglik(Pj i)/k。该方法是在传统的GOP中计算似然差的方法上进行了改进，故称为EGOP(Extended GOP)。
音素的平均时长概率，也可称为音素的时长标准差，其计算方法为：每个音素在使用声学模型进行识别时均可计算出一个均值和方差，从而使每个音素均得到一个概率分布，该概率分布优选为高斯分布；则对于任意一个时长信息，都可以计算出其在该音素下的概率，而音素的平均时长概率即为各时长信息在各音素下的概率的平均值。例如：对于含有k个音素{P1,P2,…Pk}的单词W，其中任意一个时长信息在各音素下的概率为durlik(Pi)，则音素的平均时长概率为durlik(W)＝Σk i＝1durlik(Pi)/k。
在计算出音素的平均似然度、音素的平均EGOP和音素的平均时长概率后，将这三项作为输入项输入到人工神经网络打分模型中，而人工神经网络打分模型的输出就是单词的分数，其中，训练人工神经网络打分模型时使用了BP算法，并采用MSE作为损失函数，将机器预测分数和人工分数之间的差异作为误差函数。
图2显示了图1中的深度神经网络后验概率算法的口语发音评测方法的声学模型的LSTM的cell结构。如图2所示，LSTM(Long Short-Term Memory)是循环神经网络的一种，它的节点是一种特殊的cell结构，核心的cell单元通过权重矩阵与输入门(input gate)、输出门(output gate)以及遗忘门(forget gate)相连接，可以选择性的保留信息或者遗忘信息，并使信息可以沿着中心的cell一直传递下去。在训练过程中，音频特征采用的是40维MFCC，左右各扩5帧，一共440维。首先训练高斯混合模型(GMM)并使用其做FA切分得到每一帧对应的概率密度函数(Probability Density Function)id，然后，则以这些概率密度函数id作为LSTM的输出标签训练模型。
本发明中的声学模型采用的是两层LSTM建模，其中每层LSTM的节点个数为512。该声学模型能够有效提升音素识别率，使音素级别的识别率比传统DNN模型相对提升30％左右。
此外，为了减小打分的误差，提高评测的准确性，还可以训练多个人工神经网络打分模型，并使用这些模型分别对每条音频进行打分，一般情况下训练两个模型即可。打分的精确度到单词，并取各人工神经网络打分模型的打分的平均分作为单词的最终分数。然后，在需要的情况下，选取合适的算法，根据各单词的最终分数计算出音频的分数，以及进一步地，根据各音频的分数计算出整个语音的分数。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (10)

1.基于深度神经网络后验概率算法的口语发音评测方法，其特征在于：包括以下步骤
a)从语音中选取一定数量的音频，其中每个音频的单词数量均在一定的范围内；
b)计算各音频中的每个单词的音素的平均似然度；
c)计算各音频中的每个单词的音素的平均EGOP；
d)计算各音频中的每个单词的音素的平均时长概率；
e)分别将各音频中的每个单词的音素的平均似然度、音素的平均EGOP和音素的平均时长概率作为输入项输入到一个人工神经网络打分模型，并输出单词的分数。
2.根据权利要求1所述的基于深度神经网络后验概率算法的口语发音评测方法，其特征在于：选取音频的数量不超过10000条。
3.根据权利要求2所述的基于深度神经网络后验概率算法的口语发音评测方法，其特征在于：每个音频的单词数量范围为1-20个。
4.根据权利要求1所述的基于深度神经网络后验概率算法的口语发音评测方法，其特征在于：音素的平均似然度的计算方法为：计算单词中的各个音素的似然度，并取各个似然度的平均值为音素的平均似然度。
5.根据权利要求1所述的基于深度神经网络后验概率算法的口语发音评测方法，其特征在于：音素的平均EGOP的计算方法为：计算单词中的各个音素的似然度和FA似然度，将两者的差设为音素的似然差，并取各个单词的音素的似然差的总和为音素的平均EGOP。
6.根据权利要求1所述的基于深度神经网络后验概率算法的口语发音评测方法，其特征在于：音素的平均时长概率的计算方法为：计算单词中的各个音素的均值和方差，使每个音素均得到一个概率分布，则取任意一个时长信息在各个音素下的概率的平均值为音素的平均时长概率。
7.根据权利要求6所述的基于深度神经网络后验概率算法的口语发音评测方法，其特征在于：该概率分布为高斯分布。
8.根据权利要求1所述的基于深度神经网络后验概率算法的口语发音评测方法，其特征在于：还包括以下步骤：
f)训练多个人工神经网络打分模型，并分别对每条音频进行打分。
9.根据权利要求8所述的基于深度神经网络后验概率算法的口语发音评测方法，其特征在于：打分的精确度到单词，并取各人工神经网络打分模型的打分的平均分作为单词的最终分数。
10.根据权利要求9所述的基于深度神经网络后验概率算法的口语发音评测方法，其特征在于：还包括以下步骤：
g)根据音频的各单词的最终分数计算出音频的分数。
CN201810179106.0A 2018-03-05 2018-03-05 基于深度神经网络后验概率算法的口语发音评测方法 Pending CN108364634A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810179106.0A CN108364634A (zh) 2018-03-05 2018-03-05 基于深度神经网络后验概率算法的口语发音评测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810179106.0A CN108364634A (zh) 2018-03-05 2018-03-05 基于深度神经网络后验概率算法的口语发音评测方法

Publications (1)

Publication Number Publication Date
CN108364634A true CN108364634A (zh) 2018-08-03

Family

ID=63003583

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810179106.0A Pending CN108364634A (zh) 2018-03-05 2018-03-05 基于深度神经网络后验概率算法的口语发音评测方法

Country Status (1)

Country Link
CN (1) CN108364634A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109065024A (zh) * 2018-11-02 2018-12-21 科大讯飞股份有限公司 异常语音数据检测方法及装置
CN109859741A (zh) * 2019-01-31 2019-06-07 成都终身成长科技有限公司 语音测评方法、装置、电子设备及存储介质
CN110136747A (zh) * 2019-05-16 2019-08-16 上海流利说信息技术有限公司 一种评价语音音素正确性的方法、装置、设备及存储介质
CN110598208A (zh) * 2019-08-14 2019-12-20 清华大学深圳研究生院 Ai/ml增强发音课程设计和个性化练习计划方法
CN110930996A (zh) * 2019-12-11 2020-03-27 广州市百果园信息技术有限公司 模型训练方法、语音识别方法、装置、存储介质及设备
CN112700795A (zh) * 2020-12-15 2021-04-23 深圳市声希科技有限公司 口语发音质量评价方法、装置、设备及存储介质
CN112908359A (zh) * 2021-01-31 2021-06-04 云知声智能科技股份有限公司 语音测评方法、装置、电子设备及计算机可读介质
CN113299278A (zh) * 2021-05-20 2021-08-24 北京大米科技有限公司 一种声学模型性能评估的方法、装置和电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104538028A (zh) * 2014-12-25 2015-04-22 清华大学 一种基于深度长短期记忆循环神经网络的连续语音识别方法
CN104575490A (zh) * 2014-12-30 2015-04-29 苏州驰声信息科技有限公司 基于深度神经网络后验概率算法的口语发音评测方法
CN104992705A (zh) * 2015-05-20 2015-10-21 普强信息技术（北京）有限公司 一种英语口语自动打分方法及系统
US9666183B2 (en) * 2015-03-27 2017-05-30 Qualcomm Incorporated Deep neural net based filter prediction for audio event classification and extraction
CN107093422A (zh) * 2017-01-10 2017-08-25 上海优同科技有限公司 一种语音识别方法和语音识别系统
CN107633842A (zh) * 2017-06-12 2018-01-26 平安科技（深圳）有限公司 语音识别方法、装置、计算机设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104538028A (zh) * 2014-12-25 2015-04-22 清华大学 一种基于深度长短期记忆循环神经网络的连续语音识别方法
CN104575490A (zh) * 2014-12-30 2015-04-29 苏州驰声信息科技有限公司 基于深度神经网络后验概率算法的口语发音评测方法
US9666183B2 (en) * 2015-03-27 2017-05-30 Qualcomm Incorporated Deep neural net based filter prediction for audio event classification and extraction
CN104992705A (zh) * 2015-05-20 2015-10-21 普强信息技术（北京）有限公司 一种英语口语自动打分方法及系统
CN107093422A (zh) * 2017-01-10 2017-08-25 上海优同科技有限公司 一种语音识别方法和语音识别系统
CN107633842A (zh) * 2017-06-12 2018-01-26 平安科技（深圳）有限公司 语音识别方法、装置、计算机设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
严可: "发音质量自动评测技术研究", 《中国博士学位论文全文数据库信息科技》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109065024A (zh) * 2018-11-02 2018-12-21 科大讯飞股份有限公司 异常语音数据检测方法及装置
CN109859741A (zh) * 2019-01-31 2019-06-07 成都终身成长科技有限公司 语音测评方法、装置、电子设备及存储介质
CN110136747A (zh) * 2019-05-16 2019-08-16 上海流利说信息技术有限公司 一种评价语音音素正确性的方法、装置、设备及存储介质
CN110598208A (zh) * 2019-08-14 2019-12-20 清华大学深圳研究生院 Ai/ml增强发音课程设计和个性化练习计划方法
CN110930996A (zh) * 2019-12-11 2020-03-27 广州市百果园信息技术有限公司 模型训练方法、语音识别方法、装置、存储介质及设备
CN110930996B (zh) * 2019-12-11 2023-10-31 广州市百果园信息技术有限公司 模型训练方法、语音识别方法、装置、存储介质及设备
CN112700795A (zh) * 2020-12-15 2021-04-23 深圳市声希科技有限公司 口语发音质量评价方法、装置、设备及存储介质
CN112908359A (zh) * 2021-01-31 2021-06-04 云知声智能科技股份有限公司 语音测评方法、装置、电子设备及计算机可读介质
CN113299278A (zh) * 2021-05-20 2021-08-24 北京大米科技有限公司 一种声学模型性能评估的方法、装置和电子设备

Similar Documents

Publication Publication Date Title
CN108364634A (zh) 基于深度神经网络后验概率算法的口语发音评测方法
CN104575490B (zh) 基于深度神经网络后验概率算法的口语发音评测方法
Shobaki et al. The OGI kids’ speech corpus and recognizers
TWI220511B (en) An automatic speech segmentation and verification system and its method
CN107958673B (zh) 一种口语评分方法及装置
CN101840699B (zh) 一种基于发音模型的语音质量评测方法
CN101645271B (zh) 发音质量评估系统中的置信度快速求取方法
CN106782603B (zh) 智能语音评测方法及系统
CN108711421A (zh) 一种语音识别声学模型建立方法及装置和电子设备
CN108962223A (zh) 一种基于深度学习的语音性别识别方法、设备及介质
CN101887725A (zh) 一种基于音素混淆网络的音素后验概率计算方法
Jansen et al. Point process models for spotting keywords in continuous speech
US11282511B2 (en) System and method for automatic speech analysis
CN108648766A (zh) 语音评测方法及系统
CN109979257B (zh) 一种基于英语朗读自动打分进行分拆运算精准矫正的方法
CN108109615A (zh) 一种基于dnn的蒙古语声学模型的构造和使用方法
CN110415725B (zh) 使用第一语言数据评估第二语言发音质量的方法及系统
JP2004226982A (ja) 隠れ軌跡隠れマルコフモデルを使用した音声認識の方法
Li et al. A study on knowledge source integration for candidate rescoring in automatic speech recognition
Mao et al. Applying multitask learning to acoustic-phonemic model for mispronunciation detection and diagnosis in l2 english speech
Rosdi et al. Isolated malay speech recognition using Hidden Markov Models
Ibrahim et al. Improve design for automated Tajweed checking rules engine of Quranic verse recitation: a review
Schmid et al. Automatically generated word pronunciations from phoneme classifier output
CN108182938B (zh) 一种基于dnn的蒙古语声学模型的训练方法
CN107492373B (zh) 基于特征融合的声调识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180803