[發(fā)明專利]基于語音識別技術(shù)的漢語學(xué)習(xí)系統(tǒng)

無效

• 申請?zhí)枺?/td>: 201210120314.6
• 申請日: 2012-04-23
• 公開（公告）號: CN102682768A
• 公開（公告）日: 2012-09-19
• 發(fā)明（設(shè)計）人: 黨建武;黃典;王洪翠;魏建國;陳栓;宋嬋
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G10L15/18
• 分類號: G10L15/18;G10L15/14;G10L15/26;G10L19/00
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 李素蘭

技術(shù)領(lǐng)域

本發(fā)明涉及計算機輔助語言學(xué)習(xí)(CALL：Computer?Assisted?Language?Learning)領(lǐng)域，特別是涉及計算機輔助漢語學(xué)習(xí)系統(tǒng)。

背景技術(shù)

改革開放30多年來，我國已成為世界經(jīng)濟大國，近些年來，國家多次強調(diào)要著眼于推動中華文化走向世界，形成與中國國際地位相對稱的文化“軟實力”，而要讓中國文化走向世界，毫無疑問首先要讓漢語走向世界。數(shù)據(jù)顯示，截至2011年8月底，國家漢辦主導(dǎo)在世界各國已建立353所孔子學(xué)院和473個孔子課堂，但仍難以滿足4000多萬國內(nèi)外漢語學(xué)習(xí)者的需求，師資缺口巨大。隨著個人計算機的普及和語音技術(shù)的迅猛發(fā)展，計算機輔助語言學(xué)習(xí)(CALL：Computer?Assisted?Language?Learning)系統(tǒng)的使用是解決問題的有效途徑。

CALL系統(tǒng)最早起源于20世紀(jì)六十年代，軟件開發(fā)者基于程序式教學(xué)理論開始設(shè)計輔助學(xué)習(xí)系統(tǒng)，將教師從繁重的機械型勞作中解脫出來，使教師們可以把更多時間和精力投入到創(chuàng)作型工作中，PLATO項目是早期CALL系統(tǒng)的代表作之一。近些年來，隨著個人計算機、網(wǎng)絡(luò)技術(shù)和語音識別技術(shù)的不斷發(fā)展，CALL系統(tǒng)也取得了長足的進步。在外國語言的CALL系統(tǒng)方面，研究團隊和成果比較豐富。例如：IBM的“Watch?Me?Read”針對母語是非英語的兒童，能檢測出讀錯的單詞并回放正確發(fā)音；CMU的LISTEN利用SPHINX識別器進行發(fā)音中的韻律評價和非母語語料庫的研究；Subarashii系統(tǒng)中，學(xué)習(xí)者根據(jù)情景(如邀請朋友看電影)和提示信息去解決一個問題，系統(tǒng)通過這樣的練習(xí)方式培養(yǎng)學(xué)習(xí)者的日語口語表達能力；另外，還有HUGO系統(tǒng)、CMU的商業(yè)產(chǎn)品NativeAccentTM和日語學(xué)習(xí)的CallJ系統(tǒng)等；然而，令人遺憾的是，與如火如荼發(fā)展的外國語言CALL系統(tǒng)相比，漢語CALL系統(tǒng)，特別是應(yīng)用語音識別技術(shù)的CALL系統(tǒng)的研究為數(shù)不多。

本發(fā)明針對當(dāng)前漢語CALL系統(tǒng)的匱乏以及“漢語熱”的愈發(fā)盛行的現(xiàn)狀，旨在為學(xué)習(xí)者提供一套基于語音識別和合成技術(shù)的、易操作的、完備的、具有良好用戶交互性的漢語學(xué)習(xí)系統(tǒng)，在實現(xiàn)學(xué)習(xí)者輕松使用系統(tǒng)、更好的學(xué)習(xí)漢語目標(biāo)的同時，為漢語CALL系統(tǒng)的發(fā)展和推廣添磚加瓦。

發(fā)明內(nèi)容

基于上述現(xiàn)有技術(shù)存在的問題，本發(fā)明提出了一種基于語音識別技術(shù)的漢語學(xué)習(xí)系統(tǒng)，結(jié)合語音識別技術(shù)，進行有與語音合成功能的計算機輔助語言學(xué)習(xí)系統(tǒng)。

本發(fā)明提出了一種基于語音識別技術(shù)的漢語學(xué)習(xí)系統(tǒng)，包括語音識別單元、語音合成單元、計算機輔助漢語學(xué)習(xí)單元，其特征在于：

語音識別單元，接收外界輸入語音后，由語音識別算法結(jié)合已訓(xùn)練好的模型作出判決，給出語音識別的結(jié)果，完成語音到文本的轉(zhuǎn)換；

語音合成單元，將任意文字信息實時轉(zhuǎn)化為標(biāo)準(zhǔn)流暢的語音朗讀出來，完成文字到語音的轉(zhuǎn)換；

漢語學(xué)習(xí)單元，提供一套用戶界面、易操作的漢語學(xué)習(xí)軟件操作平臺；其中：

所述語音識別單元的算法為：建立語音識別網(wǎng)絡(luò)，開始語音識別，讀入待處理的語音數(shù)據(jù)，判定被識別語音數(shù)據(jù)是否結(jié)束，將識別語音數(shù)據(jù)產(chǎn)生網(wǎng)絡(luò)，轉(zhuǎn)換為標(biāo)示文件，由此完成語音識別算法；

所述語音識別單元基于Speech?SDK平臺實現(xiàn)，包括應(yīng)用程序接口API和設(shè)備驅(qū)動接口DDI；應(yīng)用程序通過API層和語音程序接口SAPI通信，語音引擎則通過DDI層和語音程序接口SAPI進行交互；

所述漢語學(xué)習(xí)單元提供的功能接口包括：選擇學(xué)習(xí)方式接口、錄音和回放接口、系統(tǒng)評估接口、示范朗讀功能接口。

所述外界輸入語音包括兩部分?jǐn)?shù)據(jù)：一部分是指在系統(tǒng)的聲學(xué)模型訓(xùn)練和測試階段所用數(shù)據(jù)，通過數(shù)據(jù)采集獲得的；另一部分是用戶在使用系統(tǒng)時直接輸入的語音。

所述數(shù)據(jù)采集，其采樣精度是16kHz，量化精度是16位。

所述語音識別單元在聲學(xué)模型選擇方面，選擇隱馬爾科夫模型，并通過HTK工具包進行聲學(xué)模型訓(xùn)練，選擇2階39維的MFCC參數(shù)作為聲學(xué)模型訓(xùn)練的語音特征參數(shù)，MFCC參數(shù)的高斯混合數(shù)為7。

與現(xiàn)有技術(shù)相比，本發(fā)明可以很大程度上彌補當(dāng)前漢語CALL系統(tǒng)的市場匱乏，尤其是應(yīng)用語音識別技術(shù)的漢語CALL系統(tǒng)匱乏的問題，促進計算機輔助學(xué)習(xí)領(lǐng)域中漢語CALL系統(tǒng)的發(fā)展和推廣。

附圖說明

圖1為本發(fā)明基于語音識別的漢語學(xué)習(xí)系統(tǒng)的系統(tǒng)結(jié)構(gòu)示意圖；

圖2為本發(fā)明基于語音識別的漢語學(xué)習(xí)系統(tǒng)的語音識別單元算法流程示意圖；