上聲變調(diào)在語音識別中的實(shí)證研究*

楊靜

華中師范大學(xué)文學(xué)院 湖北 武漢 430079

引言

在語流中，音節(jié)與音節(jié)相連時(shí)有些音節(jié)的聲調(diào)發(fā)生改變，與單念時(shí)調(diào)值不同，這種變化稱為變調(diào)。在眾多的變調(diào)現(xiàn)象中，上聲變調(diào)最常見，也最容易出現(xiàn)語音缺陷和語音錯(cuò)誤現(xiàn)象（宋揚(yáng)，2015）。上聲連讀變調(diào)受語言學(xué)界廣泛關(guān)注，主要集中在對變調(diào)調(diào)值、調(diào)類的探討。

上聲調(diào)只在單念、詞句末尾念全上調(diào)值214度。當(dāng)兩個(gè)上聲相連時(shí)，前一個(gè)上聲是否與陽平為同一個(gè)調(diào)類，也有學(xué)者就此展開爭議。趙元任 （1948）認(rèn)為“要是一個(gè)上聲字后頭跟著另一個(gè)上聲字， 第一個(gè)字就變成陽平”。但有學(xué)者指出前一個(gè)音節(jié)只是近似陽平，應(yīng)視為直上（安英姬，1981）。三個(gè)上聲相連時(shí)，吳宗濟(jì)（1985）指出在單雙格中，中間字一般變?yōu)殛柶?，首字變?yōu)榘肷希浑p單格中，首字變?yōu)殛柶蕉虚g字成中降的過渡調(diào)，過渡調(diào)的調(diào)值為42，末字則維持本調(diào)，調(diào)值比原先低。

目前對上聲變調(diào)的研究主要有聲學(xué)實(shí)驗(yàn)與感知實(shí)驗(yàn)兩種形式，前者采用精確儀器進(jìn)行測量，后者注重母語者的聽辨感知，語音識別既不同于儀器測量，也不同于聽辨感知，它是人機(jī)交互的重要形式，通過用戶輸入聲音，系統(tǒng)在集合中選擇最佳匹配項(xiàng)進(jìn)行文字輸出。本文以科大訊飛公司開發(fā)的訊飛輸入法為工具，探求上聲變調(diào)在語音識別中的錯(cuò)誤類型與錯(cuò)誤成因，并進(jìn)行適當(dāng)?shù)膶Σ叻治觥?/p>

1 研究方法與過程

1.1 發(fā)音合作人

合作人一名，性別女，21歲，本科學(xué)歷，普通話等級一乙。

1.2 實(shí)驗(yàn)材料

本文的上聲字組材料來源于《現(xiàn)代漢語詞典》（第七版），選取所有A～H開頭的上聲字組，其中雙音節(jié)上聲字組共360個(gè)，將其按照使用頻率、使用范圍分為常用字組與生僻字組。三音節(jié)上聲字組9個(gè)。

1.3 過程方法

發(fā)音合作人在安靜的自然環(huán)境中對著手機(jī)麥克風(fēng)使用訊飛輸入法進(jìn)行語音輸入，同時(shí)利用錄音筆進(jìn)行錄音。由于訊飛輸入法的輸入結(jié)果會(huì)受到上下文環(huán)境的影響，因此在測試時(shí)，要求發(fā)音合作人以自然語速讀出字組，且每個(gè)字組都要有4秒的間隔[1]。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 雙音節(jié)字組

雙音節(jié)字組共360個(gè)，識別結(jié)果完全正確（識別結(jié)果與預(yù)期結(jié)果一致）的有234個(gè)，識別結(jié)果錯(cuò)誤的有126個(gè)，其中部分錯(cuò)誤（音完全相同但字不同，如管?！茱枺┑挠?0個(gè)，完全錯(cuò)誤的有36個(gè)。由于本文不涉及同音字組，因此排除部分錯(cuò)誤字組情況，對36個(gè)完全錯(cuò)誤字組進(jìn)行錯(cuò)因的類別整理[2]。

2.1.1 按照錯(cuò)誤類型分類。雙音節(jié)上聲字組中識別錯(cuò)誤的字組占35%，識別結(jié)果完全錯(cuò)誤的上聲字組占總數(shù)的10%。訊飛輸入法對上聲語流音變的識別結(jié)果大致理想，但也存在較為普遍的問題。

對36個(gè)完全錯(cuò)誤的字組進(jìn)行錯(cuò)因分析，前字錯(cuò)誤的比例遠(yuǎn)大于后字錯(cuò)誤，而且聲調(diào)錯(cuò)誤均為前字錯(cuò)誤與后字錯(cuò)誤的主要原因，由于發(fā)音合作人的發(fā)音標(biāo)準(zhǔn)無方言口音，可以排除發(fā)音合作者的口音因素。同時(shí)，在上聲變調(diào)的語音識別中，前字錯(cuò)誤的主要問題為上聲變陽平，而后字錯(cuò)誤則主要為上聲變?nèi)ヂ暋Ｓ纱丝芍?，雙音節(jié)上聲字最主要識別錯(cuò)誤類型是前字聲調(diào)變陽平，其次是后字聲調(diào)變?nèi)ヂ暋?/p>

2.1.2 按照常用字組與生僻字組分類。完全錯(cuò)誤常用字組在總常用字組中占比較小，僅7.88%，而完全錯(cuò)誤生僻字組在總生僻字組中占比33.33%?？傮w來看，生僻字組的錯(cuò)誤率遠(yuǎn)高于常用字組。

2.2 三音節(jié)字組

三音節(jié)上聲字組共9個(gè)，正確率100%。

3 Praat實(shí)證分析

對照組結(jié)果顯示訊飛輸入法對“上聲＋上聲”與“陽平＋上聲”的識別正確率極低，同時(shí)發(fā)音合作人反饋，在朗讀的過程中并沒有很明顯地感受到對照組的區(qū)別，這一定程度上說明雙音節(jié)上聲前字的變調(diào)與陽平具有極大的相似度。為了更加精準(zhǔn)地顯示二者存在的異同，筆者利用Praat對“凡響”與“反響”的音高進(jìn)行分析[3]。

圖1 “凡響”與“反響”的音高變化對比（實(shí)線為“凡響”音高，虛線為“反響”音高）

“反響”與“凡響”的前字調(diào)型為凹調(diào)，音高曲線走向基本一致，前字音高經(jīng)歷了先降后升再降的趨勢，后字音高為先降后升?！胺病迸c“反”經(jīng)歷了明顯的先降后升再降過程，與“凡”相比，“反”的調(diào)域更小，持續(xù)時(shí)間較“凡”長。響凡與響反也有先升后降的變化趨勢，響凡的上升持續(xù)時(shí)間更久，整體基頻值也比響反高。

4 影響因素

4.1 語流音變中的上聲變調(diào)

兩個(gè)上聲連讀在語音識別中的主要錯(cuò)誤類型包括前字被識別為陽平與后字被識別為去聲，且前一種情況導(dǎo)致的錯(cuò)誤率極高，可以看作是語音識別中的難點(diǎn)，需要了解上聲變調(diào)的原因.國內(nèi)外學(xué)者也展開廣泛的探討，其中自主音段理論與優(yōu)選論較有啟發(fā)性。自主音段理論認(rèn)為語音的各類音段有各自的獨(dú)立性，聲調(diào)是能獨(dú)立于音段的“自主音段”，也就是聲調(diào)與音段分屬于兩個(gè)不同的層面，將聲調(diào)獨(dú)立出來后就其內(nèi)部構(gòu)成展開探討，發(fā)現(xiàn)調(diào)素脫落的物理實(shí)質(zhì)是語流中相對時(shí)長的限制。優(yōu)選論則以制約條件的交互作用處理音系現(xiàn)象，通過把普遍趨向的制約條件進(jìn)行不同層級排列來分析解釋[4]。（陳佩娟，2013）

因此，若是能夠?qū)σ粽{(diào)內(nèi)部的制約條件進(jìn)行有效的歸納、分析，將有利于進(jìn)一步提高語音識別的正確率。

4.2 同一音節(jié)中上聲與陽平并存

由于前字被識別為陽平是導(dǎo)致高錯(cuò)誤率的主要原因，若是前字的音節(jié)既存在陽平形式又存在上聲形式，那么被識別錯(cuò)的概率將會(huì)更大。只存在上聲形式而不存在陽平形式的音節(jié)在語音識別中的錯(cuò)誤率極低，由此可以進(jìn)一步縮小研究對象范圍，重點(diǎn)針對既存在陽平形式又存在上聲形式且合成的字組為常用詞的音節(jié)。

4.3 字組的使用頻率與使用范圍

生僻字組與常用字組識別正確率的差異說明字組的使用頻率與使用范圍也會(huì)影響識別的正確率，由于語音識別基于大量的語料，因此往往更偏向由構(gòu)詞能力強(qiáng)的字所構(gòu)成的使用次數(shù)多且使用范圍廣的字組，導(dǎo)致大量生僻字組在發(fā)音完全正確的情況下被替換為更加符合日常場合的字組。進(jìn)一步完善統(tǒng)計(jì)方法、擴(kuò)大語料庫將有效提高識別的正確率。

由于此次研究對象為非連續(xù)性文本，因此沒有考慮上下文語境的影響，客觀來說，生僻字組如果放在合理的語境中，將降低識別錯(cuò)誤率[5]。

5 結(jié)束語

本文就上聲變調(diào)的語音識別進(jìn)行實(shí)證研究，選取《現(xiàn)代漢語詞典》中兩個(gè)上聲相連與三個(gè)上聲音節(jié)相連的詞，通過發(fā)音合作人獲取訊飛輸入法識別結(jié)果與錄音。通過統(tǒng)計(jì)與語圖分析發(fā)現(xiàn)影響其識別正確率的因素包括語流音變，尤其是前字上聲被識別為陽平；音節(jié)形式；使用頻率與范圍。對以上幾種原因都提出相關(guān)對策，但根本措施應(yīng)該是有效提高聲學(xué)模型精度，這就需要進(jìn)一步研究上聲變調(diào)前字的發(fā)音類型。