Tibetan Multi-Dialect Speech and Dialect Identity Recognition

Tibetan language has very limited resource for conventional automatic speech recognition so far. It lacks of enough data, sub-word unit, lexicons and word inventories for some dialects. And speech content recognition and dialect classification have been treated as two independent tasks and modeled respectively in most prior works. But the two tasks are highly correlated. In this paper, we present a multi-task WaveNet model to perform simultaneous Tibetan multi-dialect speech recognition and dialect identification. It avoids processing the pronunciation dictionary and word segmentation for new dialects, while, in the meantime, allows training speech recognition and dialect identification in a single model. The experimental results show our method can simultaneously recognize speech content for different Tibetan dialects and identify the dialect with high accuracy using a unified model. The dialect information used in output for training can improve multi-dialect speech recognition accuracy, and the low-resource dialects got higher speech content recognition rate and dialect classification accuracy by multi-dialect and multi-task recognition model than task-specific models.     

藏语拉萨话单音节嗓音声学参数分析

该文对藏语拉萨话单音节的嗓音特征进行了实验研究,实验首先对藏语拉萨话单音节进行语音标注,然后根据语音标注的位置信息,利用对应的程序提取音节结构中的元音和辅音的嗓音声学参数,对基频、开商和速度商分别统计分析,并做了显著性分析。实验结果表明不同元音和辅音的嗓音参数与发声方式以及其在音节中位置有关,元音和音节结构的不同会显著影响开商和速度商的值,但对于基频数据的影响并不显著。同时嗓音参数之间也存在一定的关联性,即基频和开商、速度商之间是反比关系,开商和速度商之间是正比的关系。     

《广韵》入声字在云南蒙自方言中读音的演变

以中古入声字在蒙自方言中的读音为研究对象,研究中发现蒙自方言入声字在演变过程中和普通话走的道路不同,普通话的演变规律是“平分阴阳,入派三声”,而蒙自方言则把大部分入声字归入阳平,归入另外三声的仅有少量鼻音韵尾的字。     

一种汉语方言编码与转换机制的研究

回顾了汉语拼音方案的组成和特点,分析了方言编码的可行性。引入二进制编码方式对汉字发音进行编码。编码序列包括了声母、韵母、音调、儿化音等编码部分。建立了方言音、修饰音、标准音之间的转换关系。以湘汨地区的方言为例,详细论述了方言编码和转换的过程。以人工代谢算法作为寻优策略,结合特定语言环境,将方言音转换成标准音。通过实例分析论述了该方案的可行性和合理性。     

结合注意力机制和因果卷积网络的维吾尔语方言识别

针对传统x-vector模型生成方言语音段级表示时,未考虑不同帧级特征对方言辨识作用不一致的问题,以及维吾尔语的黏着性特点,提出结合注意力机制和因果卷积网络的维吾尔语方言识别方法。首先使用多层因果卷网络实现方言语音序列建模,然后采用空洞卷积核增大感受野扩展采样范围,最后使用注意力池化获取方言语音段级特征。维吾尔语方言识别实验结果表明,所提方法较标准x-vector模型方言识别的识别准确率提升了23.19个百分点。     

重庆方言的两个零形否定结构

在重庆方言中,“X＋（个）＋Y”和“X＋（才）＋Y”两个结构并不含有否定词,却能表达否定概念,属于零形否定现象.这两个结构使用环境十分丰富,能表达多种语用意义,而且在话语、语用及语法等方面都存在诸多特点.在来源问题上,“X＋（个）＋Y”结构由“X一个Y”经过缩减、类推等步骤形成,而两种类型的“X＋（才）＋Y”结构的产生,则是分别源于具有反常特征的X导致的语用效果,以及副词“才”和形容词“怪”的词汇化演变.     

基于动态贝叶斯网络的汉语方言辨识

方言的差异性在语音层面上反映在时间序列结构的不同。传统的语音建模方法只能建立稳定的时间序列结构,而方言语音是典型的动态时变时间序列结构。为了更好地提取方言时间序列结构,文中采用动态贝叶斯网路（DBN）进行建模分析,并对DBN的构建方法进行了研究,这种结构与常用于语音识别中的隐马尔可夫模型的不同之处在于它揭示多个时间片内的节点之间的影响。文中探索了不同结构和参数对识别效果的影响。文中的研究表明动态贝叶斯网络对汉语方言的识别比传统方法要好,识别率达到了98．9％。     

母语固守与文化传承

作为重庆目前最大的客家人聚居地和客家方言岛,荣昌县盘龙镇拥有深厚的移民历史文化和独特的客家方言文化资源。在社会发展和文化变迁的背景下,更好地保护作为母语的客家方言,挖掘客家方言文化遗产,传承和发扬乡土文化,极富重要价值和现实意义。     

基于SOM神经网络和支持向量机的方言辨识

建立了一个基于SOM神经网络和支持向量机(SVM)的汉语方言辨识系统。该系统以湖南方言作为研究对象,借助SOM神经网络对不同方言的MFCC特征参量进行聚类,并用SVM作为最终的决策辨识器。实验结果表明:该系统与传统系统相比实时性和辨识率较好,特别适用于信噪比低的情况。     

多信息融合的汉语方言辨识

文章提出了一种融合声学、音素配位和韵律特征等多信息融合的汉语方言辨识系统,分析了将语言信息转化为这些特征的实验方法,在此基础上,根据汉语方言辨识的特点,提出了一种基于概率模型的多信息辨识机制,实验结果表明,韵律特征对于短时语音具有很好的辨识效果,而音位配列特征对于长时语音更加有效。对于汉语三种方言的辨识,融合这三种特征的辨识率达95％。