评估基于 Logit 的 GOP 分数以检测误读-计算机科学-发音良好度-发音错误检测.pdf

评估基于Logit的GOP分数以检测误读

AdityaKamleshParikh,CristianTejedor-Garcia,CatiaCucchiarini,HelmerStrik

CentreforLanguageStudies,RadboudUniversity,theNetherlands

aditya.parikh@ru.nl,cristian.tejedorgarcia@ru.nl,catia.cucchiarini@ru.nl,helmer.strik@ru.nl

Abstract可用工具和资源有限而进一步加剧。

为了解决这些挑战，计算机辅助发音训练

发音评估依赖于发音良好度（GOP）分数，这些

（CAPT）系统变得越来越受欢迎[5,6]。这些系

分数传统上由基于softmax的后验概率得出。然

统的关键组成部分是误发音检测与诊断（MDD），

而，后验概率可能受到过度自信和音素分离不良

它帮助学习者实时识别并纠正发音错误[7]。特别

的影响，限制了它们的有效性。本研究比较了基于

是音素级评估比更广泛的单词或句子级别评估提

logit的GOP分数与基于概率的GOP分数在误读

本供了更精确的反馈，使学习者能够专注于特定的

检测中的应用。我们在两组非英语母语人士（荷兰

译改进领域[8]。用于检测音素级误发音最常用的方

语和普通话使用者）说的英语语音数据集上进行

中法之一是发音优度（GOP）分数[9]。

了实验，评估分类性能并与人类评分的相关性。基

2GOP最初被引入作为发音质量的衡量标准，

v于logit的方法在分类方面优于基于概率的GOP，

7但它们的效果取决于数据集特征。最大logitGOP估计音素的概率，并将其与预定义的阈值进行比

6较以标记误读[10]。随着时间的推移，一些改进措

0与人类感知最为一致，而不同GOP分数的组合则

2施提高了其准确性。加权GOP[11]根据语言和声

1平衡了概率和logit特性。研究结果表明，结合不

.学因素调整音素得分，优先考虑容易误读的音素。

6确定性建模和音素特定加权的混合GOP方法可

0以改善发音评估。基于格图的GOP[12]使用音素格图考虑多种发音

5可能性，从而产生更稳健的信心分数。上下文感

2IndexTerms:GOP，基于logit的GOP，发音

:知GOP[13]结合了音素转换和持续时间以更好地

v错误检测，发音评估，softmax后验概率

i捕捉自然发音的变化。最近，引入了多维GOP特

x

r