口說英語重音辨識之初步研究

An Initial Study on Stress Detection for Spoken English

曾璟鈺(Ching-Yu Tseng)

指導教授 ： 張智星

國立清華大學/電機資訊學院/資訊工程學系/碩士(2009年)

摘要

本篇論文的研究主旨是對於多音節之英語詞彙進行重音辨識。主要使用兩種辨識方法，「一維特徵參數的辨識方法」以及「兩步驟分類的辨識方法」。兩個方法所需要的輸入資料為單一個多音節詞彙的語音資料，經由強制對位產生子音與母音音素，再對各因素取得音高、音量向量以及持續時間。其中母音音素的資訊可以代表一個音節。最終需要得到的結果即一個詞彙只能有一個母音被標記為重音。
第一種方法是對一個詞彙的母音音素(亦代表音節)取出音高向量(pitch vector)和音量向量(volume vector)，再使用不同的計算方法，分別為中位數、平均值、最大值、導函數取最大值(maximum of derivative)、導函數取中位數、第一四分位數和第三四分位數，將音高及音量向量轉換成數值；因此，每種計算方法均會產生一個特徵參數值。最後，直接使用單一特徵值（如：各母音的音高中位數）來辨識一個詞彙的重音。
第二種方法分為兩個步驟，第一步驟是使用高斯混合模型(Gaussian Mixture Model, GMM)對各個母音音素(亦代表音節)的特徵參數做分類，分出重音與非重音兩類。因為一個詞彙只能有一個主要的重音音節，因此第二步驟主要對n個音節詞彙進行n類的分類問題來決定重音音節位於第幾個音節，例如2個音節詞彙可分為第一個音節為重音以及第二個音節為重音2類。而第二步的特徵是使用第一步驟所產生的各詞彙重音與非重音之log likelihood。
在本論文的實驗中，第一種辨識方法進行了8組實驗，而最佳辨識率為82.58%，使用的單一特徵為對音高向量取中位數。第二種辨識方法進行了11組實驗，第二步驟對2、3、4個音節詞彙進行分類，最佳辨識率分別為90.36%、86.85%、85.65%。比第一種方法提高約3~7%。本實驗結果顯示，我們提出的方法，可以有效地使用音高、音量和持續時間，成功辨識出口說英語重音。

關鍵字

重音辨識 ； 兩步驟分類

並列摘要

無資料

並列關鍵字

Stress Detection ； two-stage classification

參考文獻

[1]D. Wang and S. Narayanan, “An acoustic measure for word prominence in spontaneous speech,” IEEE Trans. Speech, Audio, Language Process., vol. 15, no. 2, pp. 690–701, Feb. 2007.

[2]F. Tamburini and C. Caini, “An automatic system for detecting prosodic prominence in American English continuous speech,” Int. J. Speech Technol., vol. 8, pp. 33–44, 2005.

[3]Jenkin, K.L. and Scordilis M.S., “Development and comparison of three syllable stress classifiers,” ICSLP ‘96 roceedings, Philadelphia, USA, pp. 733–736.

[5]J. Tepeerman and S. Narayanan, “Automatic syllable stress detection using prosodic features for pronunciation evaluation of language learners,” in Proc. Intl. Conf. on Acoustics, Speech and Signal Processing, Philadelphia, March 2005.

[8]Zhi-Sheng Chen, Jia-Min Zen, Jyh-Shing Roger Jang, and Liang-Yu Chen, “A Two-stage Classification Framework for Stress Detection in English Word Utterances”, April, 2009