编辑推荐:
合适的语音数据对于发音错误检测与诊断(Mispronunciation Detection and Diagnosis, MDD)系统的开发至关重要,这类系统依赖于正确发音和错误发音的示例。本文描述了一个面向英式英语MDD系统的新型数据集的创建过程,重点在于利
合适的语音数据对于发音错误检测与诊断(Mispronunciation Detection and Diagnosis, MDD)系统的开发至关重要,这类系统依赖于正确发音和错误发音的示例。本文描述了一个面向英式英语MDD系统的新型数据集的创建过程,重点在于利用深度学习方法开发一种特定口音(accent-specific)的方法。该数据集包含来自29名被确认为使用"现代标准发音"(Modern Received Pronunciation, MRP)口音的说话人的7000多条话语,并包含正字法转录和自动生成的音素序列。MRP数据集旨在促进单一口音MDD系统和更广泛的英式英语MDD的发展。为观察单一口音训练数据的影响,研究人员训练了两个具有联结时序分类(Connectionist Temporal Classification, CTC)损失的相同CNN-LSTM模型来执行MDD。一个模型在TIMIT上训练,另一个在MRP数据上训练。当在L2 Arctic语音(从美式英语角度进行标注)上评估时,由于口音对齐,TIMIT训练的模型通常预计会表现更好。然而,MRP训练的模型产生了更低的音素错误率(Phoneme Error Rate, PER)和更高的正确诊断率。这些探索性结果表明,即使针对美式英语发音目标进行评估,MRP也能支持MDD建模。因此,MRP数据集为开发以RP为中心的发音工具提供了即时资源,为构建覆盖其他英国口音的可比较语料库提供了模板,并为未来的MDD和自动语音识别(Automatic Speech Recognition, ASR)研究提供了可公开访问的数据集。
**《MRP语料库:现代标准发音语音数据集》论文解读**
**一、研究背景与问题**
自动语音识别(Automatic Speech Recognition, ASR)技术的快速发展依赖于高质量的训练数据。发音错误检测与诊断(Mispronunciation Detection and Diagnosis, MDD)作为ASR的重要应用方向,需要在音段层面识别和诊断非预期的音素替代、删除或插入等错误,因此对包含音素级标注的语音数据有特殊需求。然而,现有英语语音数据集大多以美国英语为中心:TIMIT包含音素级标注,被广泛用于MDD基准测试;LibriSpeech提供大规模朗读语音和正字法转录。相比之下,英式英语语音语料库相对匮乏。WSJCAM0虽包含英国多样化口音及词级和音素级转录,但获取成本高、可用性受限,且其代表现代英国语音风格的可靠性存疑。英国国家语料库(British National Corpus, BNC)更新为BNC2014的事实表明,语言和语音风格随时间演变,原有版本已无法反映当代语音特征。尽管已有研究证明特定口音数据(如阿拉伯语麦地那方言)能提升ASR性能,但当前缺乏当代的、开放许可的、包含规范音素序列的现代标准发音(Modern Received Pronunciation, MRP)数据集。这一空白限制了英国口音发音建模和特定口音MDD研究的发展,因此有必要构建一个面向MRP口音的高质量语音数据集。
**二、研究内容与意义**
研究人员构建了一个包含29名自报使用MRP口音的说话