导读:本文包含了语音评价论文开题报告文献综述及选题提纲参考文献，主要关键词:频谱图,长短期记忆网络,注意力机制,DeepSpeech
语音评价论文文献综述
郑纯军,贾宁[1]（2019）在《基于Deep Speech与多层LSTM的儿童朗读语音评价模型》一文中研究指出现代人大多忽略了朗读的重要性,然而对于5～12岁的儿童,朗读不仅是学习过程中必备的技能,还是陶冶情操的有效手段。由于朗读语音信号的特征与评价标准之间存在着非线性关系,递归神经网络虽然适用于时间序列的预测,但是对长时间跨度的预测效果有限。基于此,根据儿童朗读语音特点及其评价体系,设计了一种基于DeepSpeech与叁层长短期记忆(Long Short-Term Memory,LSTM)神经网络相结合的模型。首先,在添加注意力机制的基础上,提出朗读语音评价的准确性和流利性度量,以频谱图作为特征提取的输入,其中,朗读评价的准确性采用改进后的Deep Speech以提高音素识别的准确率,流利性评价将频谱图送至叁层LSTM模型中以呈现时间序列的影响;然后,将结果送入注意力机制进行权重调节;最终,将计算的总评价结果用于儿童朗读语音的评分。使用"出口成章"软件提供的儿童朗读语料库和TensorFlow平台进行实验。结果表明,与传统的模型相比,此模型不仅可以精确判断朗读的正确性和朗读的流利性,而且其评价模型获得的评分结果较准确。(本文来源于《计算机科学》期刊2019年S2期）
曹立春[2]（2019）在《小学英语课堂中语音教学的方法及评价》一文中研究指出随着新课标教育的改革,英语学科在小学教育中越来越重要,英语语言作为学生发展自己才能的工具,是小学教育中所必不可少的。英语和语文一样都是属于语言的学科,而学好这些学科的必要手段就是听和说,通过语音听力的锻炼发展自己对英语的语感,有利于更好地学习英语。英语的学习是小学生更好地了解世界的手段,有利于为小学生长久的英语学习打下坚实的基础。(本文来源于《校园英语》期刊2019年41期）
赵一鸣,朱奕蓉,吴林容[3]（2019）在《智能语音助手的知识服务能力评价研究》一文中研究指出文章从基础能力、初级知识服务能力、高级知识服务能力叁个方面,筛选出十个二级指标,通过层次分析法确定指标权重,根据智能语音助手现阶段的智力水平,为每个二级指标选取了相应的测试问题,构建了智能语音助手的知识服务能力评价体系,最后以叁个主流的智能语音助手为对象进行了实证评价分析。构建的评价指标体系具有实用性和动态性,基础能力的权重最大,初级知识服务能力和高级知识服务能力次之,实证研究的结果表明,现阶段主流的中文智能语音助手已经具备了一定的知识服务能力,但仍然存在较大的提升空间。(本文来源于《图书与情报》期刊2019年04期）
宋莹[4]（2019）在《形成性评价在英语专业语音教学中的应用》一文中研究指出传统英语语音课程倾向于通过期末测试来对学生的学习情况进行评价,但这样的终结性评价既不全面,也无益于促进学生语音水平的提高。采用形成性评价,不仅可以及时对学生的学习进行干预,形成促进教与学的双向反馈,也能对学生的语音学习情况作出更客观全面的评价。(本文来源于《读与写(教育教学刊)》期刊2019年08期）
王华朋,姜囡,晁亚东,刘恩[5]（2019）在《噪声环境下法庭语音证据量化评价方法》一文中研究指出针对说话人自动识别系统的性能与稳定性在高噪声环境下会严重下降,人耳却能捕捉高噪声环境中的目标语音的问题。提出使用能模拟耳蜗听觉特性的GFCC(Gammatone Frequency Cepstral Coefficient)特征与主成分分析(Principal Component Analysis,PCA)相结合的方法,以提高识别系统的鲁棒性。在不同程度信噪比的真实语音案件噪声条件下,对国际上最认可的基于似然比证据评估体系的法庭自动说话人识别系统的准确性和稳定性进行测试。实验结果显示:GFCC特征在多个程度的信噪比条件下,甚至信噪比为-20 dB的条件下,依然能保持较高的识别准确度和良好的稳定性,并能够提供可量化、可重复的证据强度值。(本文来源于《计算机应用与软件》期刊2019年07期）
王大娜[6]（2019）在《小学英语语音教学方法及评价对策》一文中研究指出随着社会的发展,我国教学质量不断完善,对处于小学时期的学生来说,一定要从小养成一种学习英语的良好习惯。教师要想显着提升学生的英语学习能力,一定要注重英语语音教学,开展英语语音教学能够为学生们营造一种良好的学习氛围,学生在这种学习氛围中化被动接受知识为主动接受知识,对学生的健康成长具有深远的影响。因此,本文我们将围绕小学英语语音教学方法及评价对策这一主题来展开分析,先详细地了解一下小学英语语音教学的重要性,再提出一些能够促进小学英语语音教学开展的可行性建议。(本文来源于《考试周刊》期刊2019年54期）
魏思,吴奎,竺博,王士进[7]（2019）在《语音评测技术助力英语口语教学与评价》一文中研究指出在学习一门语言时,不仅要做到能看会写,还要做到能听会说。然而,对于学生而言,后者通常比前者更具难度。如何让学生更好地将语言学以致用,成为了很多老师深入思考的问题。随着语音评测技术的发展,这一问题有望得到很好的解决。本文将以科大讯飞研发的英语口语智能考试及评分系统、英语听说教考平台、小学口语作业平台为例,解读技术对语言学习带来的改变。(本文来源于《人工智能》期刊2019年03期）
汤梦,朱杰[8]（2019）在《一种基于LSTM的合成语音自然度评价方法的研究》一文中研究指出目前的语音合成技术越来越成熟,而对于合成语音质量的度量还没有比较好的客观评价体系。文中在传统的主观评分体系基础上,分析了影响合成语音质量的关键因素,利用深度学习方法建立了合成语音质量评价系统,对汉语合成语音的自然度进行客观评价。该方法得到的语音质量评分结果与人工打分的主观评价结果相比,五分制条件下的均方根误差为0.4分,相关系数为0.68。(本文来源于《信息技术》期刊2019年05期）
刘凤林[9]（2019）在《分阶段多元化英语语音教学评价构建及应用研究》一文中研究指出语音是语言学习的基础,语音习得的好坏影响交际。传统的英语语音教学评价不适应地方师范院校的教与学的情况,本文基于动态评价理论,探讨了以学期为阶段的多元化英语语音教学评价模型及教学方面的应用,以期能对提高语音教学有一定帮助。(本文来源于《校园英语》期刊2019年19期）
柳杨[10]（2019）在《初中英语语音教学课堂评价与反思》一文中研究指出语言学习的首要条件是语音的学习。在新课标的教育环境下在初中英语教学上明确指出英语语音教学的运用,英语语音学习包括音、形、义的学习。在实际的教学过程中,教师也发现学生因语音环境的缺乏,从而产生的在听力、口语表达方面的困难。本文对初中英语语音教学课堂评价与反思进行了探索。(本文来源于《考试与评价》期刊2019年05期）
语音评价论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着新课标教育的改革,英语学科在小学教育中越来越重要,英语语言作为学生发展自己才能的工具,是小学教育中所必不可少的。英语和语文一样都是属于语言的学科,而学好这些学科的必要手段就是听和说,通过语音听力的锻炼发展自己对英语的语感,有利于更好地学习英语。英语的学习是小学生更好地了解世界的手段,有利于为小学生长久的英语学习打下坚实的基础。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语音评价论文参考文献
[1].郑纯军,贾宁.基于DeepSpeech与多层LSTM的儿童朗读语音评价模型[J].计算机科学.2019
[2].曹立春.小学英语课堂中语音教学的方法及评价[J].校园英语.2019
[3].赵一鸣,朱奕蓉,吴林容.智能语音助手的知识服务能力评价研究[J].图书与情报.2019
[4].宋莹.形成性评价在英语专业语音教学中的应用[J].读与写(教育教学刊).2019
[5].王华朋,姜囡,晁亚东,刘恩.噪声环境下法庭语音证据量化评价方法[J].计算机应用与软件.2019
[6].王大娜.小学英语语音教学方法及评价对策[J].考试周刊.2019
[7].魏思,吴奎,竺博,王士进.语音评测技术助力英语口语教学与评价[J].人工智能.2019
[8].汤梦,朱杰.一种基于LSTM的合成语音自然度评价方法的研究[J].信息技术.2019
[9].刘凤林.分阶段多元化英语语音教学评价构建及应用研究[J].校园英语.2019
[10].柳杨.初中英语语音教学课堂评价与反思[J].考试与评价.2019
标签：频谱图; 长短期记忆网络; 注意力机制; DeepSpeech;