使用語音評分技術輔助台語語料的驗證

Using Speech Assessment Technique for the Validation of Taiwanese Speech Corpus

本論文的主要研究為使用語音辨識及結合語音評分，對未整理的台語語料進行初步的篩選。藉由機器先過濾掉有問題的音檔，如錄音音量過小、太多雜訊、錄音音檔內容有誤等情形，取代傳統人工聽測費時的做法。本論文如圖一所示，可分為三個階段，分別是：「基礎聲學模型訓練」、「語音評分與錯誤原因標記」及「效能評估」。於基礎聲學模型訓練階段，以長庚大學提供的台語語料ForSD（Formosa Speech Database）為材料，使用隱藏式馬可夫模型（Hidden Markov Model, HMM）、梅爾倒頻譜係數（Mel-frequency Cepstral Coefficients, MFCCs）和對數能量（Log energy）做為語音特徵進行聲學模型的訓練。聲學模型單位分別為：單音素聲學模型（Monophone acoustic model）、音節內右相關雙連音素聲學模型（Biphone acoustic model）及音節內左右相關三連音素聲學模型（Triphone acoustic model），其針對測試語料進行自由音節解碼辨識網路（Free syllable decoding）的音節辨識率（Syllable accuracy）最佳結果分別為：27.20%、43.28%、45.93%。其中左右相關三連音素聲學模型的辨識率最佳，因此我們選擇此模型進行第二階段的實驗。