排序方式: 共有63条查询结果,搜索用时 109 毫秒
61.
英语语音合成中基于有限泛化法的字素切分规则的机器学习 总被引:1,自引:0,他引:1
在英语语音合成中,由于英语有着几乎无限多的词汇,因此不可能创建包含所有词汇的词库。对于未包含在词库中的英语单词,通过“字母转换成音素(L2P)”算法自动生成其音标是一个最好的解决办法。而L2P首要的任务就是字素切分。为此,文中提出了一种有限泛化法(FGA)的机器学习算法,用于进行字素切分规则学习。用于学习的词典库有27040个单词,其中90%的词用于规则学习,剩下的10%用于测试。经过10轮交叉验证,学习实例和测试实例的平均实例切分正确率为99.84%和97.88%,平均单词切分正确率为99.72%和96.35%:平均规则数为472个。 相似文献
62.
柴佩琪 《西北工业大学学报》1987,(2)
人们发不同的元音时,其声道长度具有固定值,类似共振峰频率,可以作为识别汉语元音及复合元音的特征。实验表明,利用元音的第四或第五共振峰频率可以求得发该元音的接近实际的声道长度(Vocal tract length)。 相似文献
63.
英文文语转换系统中的韵律生成模块和多音词消歧模块均必须用到单词的词性信息,因而词性标注是英文TTS系统中一个非常重要的部分。讨论了在只有一个词库的有限条件下,如何通过决策树中的C4.5算法进行词性标注的非监督学习,同时讨论了未登录词的词性猜测问题。 相似文献