9、提升普通话声调识别准确率的混合方法

提升普通话声调识别准确率的混合方法

在普通话学习和教学中，声调识别的准确性至关重要。本文将介绍一种结合强制对齐声调模型和竞争模型声调评估的方法，以提高普通话声调识别的准确率，并通过实验验证其有效性。

1. 提出的方法

为了提高普通话声调识别的准确性，我们提出了一种结合强制对齐声调模型和竞争模型声调评估的方法。该方法主要包括以下几个步骤：
- 使用基于HMM的强制对齐进行分割预处理 ：分割准确性对于声调评估至关重要，因此首先对输入语音进行初始分割。
- 基于强制对齐的声调模型 ：对训练样本进行分类，提取声调特征。
- 基于竞争模型的声调评估 ：通过构建竞争模型，对声调进行评估。

1.1 使用基于HMM的强制对齐进行分割预处理

分割准确性越高，评估效果越好。因此，在进行声调评估之前，我们使用基于HMM的强制对齐对输入语音进行初始分割。具体步骤如下：
- 构建声学模型 ：使用863普通话语料库构建HMM强制对齐的声学模型，该模型基于上下文相关的三音子建模，声学特征为39维Mel频率倒谱系数（MFCC）声调模型。
- 提取MFCC参数 ：将输入语音波形提取为39维MFCC参数。
- 进行强制对齐 ：使用Viterbi算法进行强制对齐，将每个输入语音分割成多个声调音节。

以中文句子“偶然的机会”为例，图3.2展示了使用基于HMM的强制对齐进行初始分割的结果，图3.