语音学与声学信号解读

### 语音学与声学信号解读 #### 1. 语音韵律特征 语音的韵律特征包含重音、韵律结构和语调等多个方面，这些特征在语言表达和理解中起着重要作用。 - **重音**：在词典中会对重音进行标注，如CMU词典用0表示非重读音节，1表示重读音节。例如“counter”标注为[K AW1 N T ER0] ，“table”标注为[T EY1 B AH0 L]。不同的词汇重音还会影响词义，像名词“content”发音为[K AA1 N T EH0 N T] ，形容词发音则是[K AA0 N T EH1 N T]。此外，非重读元音可能会进一步弱化成为弱化元音，最常见的弱化元音是央元音（[ax]），如“parakeet”中的第二个元音 [p ae r ax k iy t] 。不过，并非所有非重读元音都会弱化，像双元音即使在非重读位置也可能保持完整音质。 - **韵律结构**：口语句子具有韵律结构，一些单词自然地组合在一起，而有些单词之间则有明显的停顿或分隔。韵律结构常用韵律短语来描述，一个话语具有韵律短语结构，类似于句法短语结构。例如句子 “I wanted to go to London, but could only get tickets for France” 似乎有两个主要语调短语，边界在逗号处。在第一个语调短语中，还有一些较小的韵律短语边界，将单词分割为 “I wanted | to go | to London” 。现代方法使用序列模型来自动预测韵律边界，这些模型以原始文本或带有特征标注（如解析树）的文本为输入，在每个单词边界处做出停顿或不停顿的决策，并可以在标注了韵律结构的数据上进行训练。 - **语调**：即使两个话语具有相同的重音和韵律短语模式，它们的语调也可能不同。语调是指话语的基频（F0）随时间的升降变化。在英语中，陈述句和一般疑问句的语调差异明显，相同的单词可以用F0最终上升来表示一般疑问句（疑问升调），也可以用F0最终下降来表示陈述句语调（最终降调）。语言广泛利用语调来表达意义，除了一般疑问句的升调，包含用逗号分隔的名词列表的短语，每个名词后通常有一个短暂的升调，称为延续升调。此外，还有表达矛盾和惊讶的典型英语语调。 Pitch accents与语调相关，不同类型的Pitch accents具有不同功能。ToBI（Tone and Break Indices）理论的语调中，每个单词可以与五种类型的Pitch accents之一相关联，每个话语由一系列语调短语组成，每个语调短语以四种边界音调之一结束。以下是ToBI中美国英语语调的Pitch accents和边界音调标签： | Pitch Accents | Boundary Tones | | ---- | ---- | | H*（peak accent） | L - L%（“final fall”：美国英语的“陈述语调”） | | L*（low accent） | L - H%（continuation rise） | | L* + H（scooped accent） | H - H%（“question rise”：典型的一般疑问句语调） | | L + H*（rising peak accent） | H - L%（final level plateau） | | H +!H*（step down） | | #### 2. 声学语音学与信号 声学语音学主要研究语音的声学特性和信号处理，包括波形、频率、振幅等方面。 - **波形基础**：声学分析基于正弦和余弦函数，以正弦波为例，其函数表达式为 $y = A * sin(2π ft)$ ，其中 $A$ 为振幅，$f$ 为频率。频率是指波每秒重复的次数，通常用赫兹（Hz）表示，周期 $T$ 是指波完成一个周期所需的时间，$T = 1/f$ 。例如，一个频率为10 Hz的正弦波，其周期为0.1秒。 - **语音声波**：语音识别器的输入和人耳接收到的都是空气压力的复杂变化，这些变化源于说话者，是空气通过声门并从口腔或鼻腔流出的特定方式造成的。我们通过绘制空气压力随时间的