May, 2022

一款新型韩语学习应用的设计，用于有效纠正发音

PDF
TL;DR本研究提出了一个新型韩语学习应用程序的设计，其中包括语音识别、语音到文本和语音到波形三个关键系统，使用 Google API 和 librosa 库将用户的语音转换成句子和 MFCC，同时，如果用户发音不准确，软件将用红色突出显示错误的部分，并利用 Siamese 网络提供一个相似性得分来给予反馈。
korean wavekorean language learningspeech recognitionmfccpronunciation correction
发现论文，激发创造
  • CorrectSpeech: 一款全自动的语音纠正和口音减少系统

    提出一种全自动的语音纠错和口音减少系统，称为 CorrectSpeech，能够识别、对齐、编辑语音，用于纠正不当用词、发音错误等问题。实验结果验证了该系统的实用性和效果，可用于语音录音的口音校正。

    Apr, 2022

  • 基于语音合成网络的外语发音学习

    通过在英语和韩语中训练语音合成网络，本研究分析了网络如何学习不同语言之间的拼音发音关系，并提出了一个基于不同语言信息的训练框架，可以应用于低资源语言。结果表明，该框架可扩展到其他语言，并成功地合成了英语和韩语之间的语音。

    Nov, 2018

  • DTW-SiameseNet：一种用于发音错误检测和更正的动态时间扭曲连锁网络

    本研究提出了一种针对 TTS 语音合成任务中的发音错误检测和校正的高精度、适用于 PDA 的发音学习框架，同时还提出了一种基于动态时间规整技术和度量学习的发音错误检测模型 DTW-SiameseNet。结果表明，与基于音素和音频的基线相比，我们的方法平均提高了～6％ 的发音准确率，并且此方法不受语言和隐私问题的影响。

    Mar, 2023

  • 自动语音识别（ASR）用于韩国儿童言语音障碍发音诊断

    本研究提出了一种自动语音识别模型，旨在诊断具有言语音韵障碍（SSDs）的儿童的发音问题，以替代临床操作中的人工转录。该模型使用 wav2vec 2.0 XLS-R 模型进行改进，以识别实际发音而不是已有单词，并通过与人工标注相匹配的预测准确性达到约 90% 的水平。尽管该模型在识别不清晰发音方面仍需改进，但本研究表明 ASR 模型能够简化临床领域中的复杂发音错误诊断流程。

    Mar, 2024

  • 使用自动语音转录对五种母语背景下的 L2 韩语发音错误模式进行比较

    本研究通过自动语音识别技术，对具有五种不同语言背景（汉语、越南语、日语、泰语和英语）的 L2 韩语学习者的发音误差模式进行了大规模分析，还使用了一种名为 Wav2Vec2 XLS-R 的发音识别系统进行深入分析，揭示了几种常见的错误模式并确认了其与某些语言背景有关。

    Jun, 2023

  • QVoice：阿拉伯语语音发音学习应用

    该研究介绍了一种新型的阿拉伯语发音学习应用程序 QVoice，具备端到端的发音错误检测和反馈生成模块，支持非阿拉伯语为母语的人士提高他们的发音技巧，同时还帮助以现代标准阿拉伯语（MSA）为语言的固定语言者消除地方方言对其发音的潜在影响。QVoice 利用各种学习线索帮助学习者理解意义，与其现有的英语知识建立联系，并提供详细的发音校正反馈，同时展示单词使用的情境示例。QVoice 提供单个字符级别的发音反馈，并在单词级别评估表现。

    May, 2023

  • 计算机辅助发音训练 -- 语音合成几乎是您所需的全部

    本研究提出了基于音素到音素转换、文本到语音转换和语音到语音转换三个方法来生成正确发音和发音错误的合成语音，将语音生成作为检测语音发音错误的一流方法，并在检测发音和词汇强调错误的任务中评估了这些技术，证明这些技术不仅提高了三个机器学习模型检测发音错误的准确性，而且还有助于建立该领域的新的技术标准。

    Jul, 2022

  • 对抗训练的端到端朝鲜语歌声合成系统

    本文提出了一种从歌词和符号旋律生成端到端的韩国歌唱声音合成系统，包括三种新颖方法：1）语音增强掩蔽，2）文本和音高的本地条件对超分辨率网络，3）条件对抗训练。该系统包括两个主要模块：从给定的输入信息生成 mel-spectrogram 的 mel-synthesis 网络和将生成的 mel-spectrogram 上采样成 linear-spectrogram 的超分辨率网络。在 mel-synthesis 网络中，应用语音增强掩蔽仅从输入文本生成隐式谐振峰掩蔽，这使得歌唱声音的语音控制更加准确。此外，本文还表明了本地文本和音高和条件对抗训练是超分辨率过程中生成真实人类歌声的关键。最后，通过定量和定性评估，证实了所有提出方法的有效性。

    Aug, 2019

  • N-Singer：一种非自回归式韩语歌声合成系统，用于发音增强

    本文提出一种名为 N-Singer 的韩语歌声合成系统，通过用 Transformer-based mel-generator、卷积网络 - based postnet 和声音感知判别器来分别建模语言和音高信息以实现更准确的韩语发音和改善谱图。

    Jun, 2021

  • 基础古兰经诵读规则的深度学习误读检测

    本文提出了一种使用 MFCC 和 LSTM 网络结合时序序列的自动 Tajweed 规则误读检测方法，用于帮助更多的穆斯林正确地诵读古兰经。在公共数据集 QDAT 上测试，LSTM 模型的准确率分别为 96％、95％和 96％，表现优于传统机器学习算法。

    May, 2023