戰(zhàn)玉娟 苑芳兵

摘 要：為了解決背誦作業(yè)檢查占用課堂時(shí)間較多的問題，文章在科大訊飛開放平臺(tái)的語音識(shí)別技術(shù)基礎(chǔ)上，將背誦識(shí)別結(jié)果進(jìn)行分詞、標(biāo)點(diǎn)過濾、拼音轉(zhuǎn)換等一系列處理，然后運(yùn)用LD文本比較算法計(jì)算文本相似度以及其他評(píng)價(jià)指標(biāo)，準(zhǔn)確地反映了學(xué)生背誦的完成情況，對(duì)智能自動(dòng)檢查學(xué)生背誦作業(yè)提供了一種有效的解決方案。

關(guān)鍵詞：語音識(shí)別;文本比較;背誦檢查;語音評(píng)測(cè);科大訊飛

中圖分類號(hào)：G434? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ? ?文章編號(hào)：1673-8454（2019）06-0033-03

在語文教學(xué)過程中，有大量的課文內(nèi)容需要學(xué)生背誦，任課教師為了檢查學(xué)習(xí)效果，需要經(jīng)常檢查學(xué)生的背誦完成情況，這往往需要占用大量的課堂教學(xué)時(shí)間，并且通常情況下教師只能抽查一小部分學(xué)生，要想實(shí)現(xiàn)全面覆蓋的背誦檢查，只能依靠各種形式的學(xué)生自查，而這樣往往效果又不太理想。其他需要大量記憶的課目，比如史、地、生等同樣也存在這一矛盾。針對(duì)這一情況，筆者嘗試?yán)脟鴥?nèi)比較成熟的科大訊飛開放平臺(tái)的智能語音技術(shù)，實(shí)現(xiàn)語音的連續(xù)識(shí)別和評(píng)測(cè)，使教師能夠?qū)θw學(xué)生背誦情況進(jìn)行智能自動(dòng)檢查。

一、現(xiàn)狀及目標(biāo)分析

經(jīng)過對(duì)相關(guān)文獻(xiàn)的查閱整理，發(fā)現(xiàn)將語音識(shí)別技術(shù)應(yīng)用于背誦檢查領(lǐng)域方面的研究還很少，基本處于空白狀態(tài)。目前在文本相關(guān)（text-dependent）的語音識(shí)別領(lǐng)域，研究還主要集中在普通話或者外語口語測(cè)試等語音評(píng)測(cè)方面，技術(shù)也已經(jīng)比較成熟[1]。經(jīng)過對(duì)比研究，雖然都是文本相關(guān)的語音識(shí)別應(yīng)用，但相對(duì)于語音評(píng)測(cè)方面的應(yīng)用，背誦檢查還是有不小的區(qū)別。

首先，背誦檢查和語音評(píng)測(cè)雖然都是文本相關(guān)的，但從概念上說背誦檢查是語音評(píng)測(cè)的外延，它不僅需要檢查學(xué)生發(fā)音的準(zhǔn)確性，還要求背誦的文本跟課文完全一致;其次，不同于語音評(píng)測(cè)主要題型是嚴(yán)格按照文本順序的朗讀，在語音識(shí)別時(shí)只要做簡(jiǎn)單的“類似切分”進(jìn)行強(qiáng)制文本對(duì)齊，而背誦很可能出現(xiàn)漏背、重復(fù)、亂序、停頓、無效語氣詞等情況，所以相對(duì)較難實(shí)現(xiàn)文本對(duì)齊;最后，在結(jié)果的呈現(xiàn)上，語音評(píng)測(cè)可以根據(jù)評(píng)分標(biāo)準(zhǔn)給出一個(gè)量化分?jǐn)?shù)，而背誦雖然也可以給出某些特征評(píng)分，但還需要詳細(xì)地告訴學(xué)生哪些地方有背誦錯(cuò)誤。所以語音識(shí)別在背誦檢查方面的應(yīng)用研究是很有必要的。

因?yàn)轫?xiàng)目最終使用者是技術(shù)基礎(chǔ)比較薄弱的一線教師或者學(xué)生，所以必須滿足易用性特征，盡量智能化、自動(dòng)化，無需或盡量少的環(huán)境配置，無需培訓(xùn)或者只需稍加引導(dǎo)即可使用，每次使用除了需要維護(hù)原始背誦文本，盡量減少附加維護(hù)工作。由于實(shí)際使用環(huán)境一般處于噪音較大的教室或者辦公室，所以還應(yīng)盡量提高噪音環(huán)境中的魯棒性、容錯(cuò)性，提高噪音環(huán)境中的識(shí)別正確率。要便于背誦結(jié)果查詢對(duì)比，方便教師發(fā)現(xiàn)學(xué)生背誦過程中存在的各種問題，以便針對(duì)性地加以引導(dǎo)。

二、系統(tǒng)模型

實(shí)現(xiàn)背誦智能檢查這一目標(biāo)的難點(diǎn)主要有兩個(gè)方面：

1.在一定噪音背景下的語音準(zhǔn)確識(shí)別

針對(duì)這一難點(diǎn)，為了降低噪音影響，首先對(duì)語音進(jìn)行預(yù)處理，選擇了卡爾曼濾波算法將原始語音進(jìn)行去噪增強(qiáng)[2]。對(duì)于語音識(shí)別，目前國內(nèi)該領(lǐng)域的技術(shù)已經(jīng)比較成熟，識(shí)別正確率大部分已經(jīng)可以做到97%以上，所以本文無意在語音識(shí)別技術(shù)方面做深入研究，而是直接利用現(xiàn)有的開放數(shù)據(jù)接口。通過分析對(duì)比，我們選擇了國內(nèi)最早研究語音技術(shù)也是技術(shù)最成熟的科大訊飛語音開放平臺(tái)[3]作為語音識(shí)別的技術(shù)基礎(chǔ)，同時(shí)科大訊飛還有一個(gè)語音評(píng)測(cè)的開放接口，在檢查背誦的同時(shí)，還能夠指導(dǎo)學(xué)生普通話發(fā)音，通過智能語音技術(shù)自動(dòng)對(duì)發(fā)音水平進(jìn)行評(píng)價(jià)，對(duì)發(fā)音錯(cuò)誤、缺陷進(jìn)行定位和問題分析，可謂是錦上添花。由于訊飛語音聽寫接口要求上傳的每段語音不超過60秒，所以需要在上傳之前將語音進(jìn)行適當(dāng)分割，然后分段上傳識(shí)別。

2.識(shí)別完成后對(duì)識(shí)別結(jié)果與原始文本的準(zhǔn)確合理的對(duì)比評(píng)價(jià)

對(duì)于該難點(diǎn)，本文采取了四個(gè)措施以保證評(píng)價(jià)結(jié)果能夠準(zhǔn)確反映出學(xué)生的實(shí)際背誦情況。

（1）嘗試建立一個(gè)多維度的綜合評(píng)價(jià)指標(biāo)體系（見表1），從多個(gè)維度對(duì)學(xué)生的背誦給出評(píng)分，然后給出一個(gè)綜合加權(quán)評(píng)分，教師可以根據(jù)自己的喜好選擇自己偏重的維度，比如有的教師要求一字不錯(cuò)才算背過，那就需要文本相似度、完成度和正確率三個(gè)指標(biāo)都達(dá)到100%。有的教師還要求不能重復(fù)，那就必須插入錯(cuò)誤率為0。

（2）定義了一個(gè)簡(jiǎn)單的文本相似度函數(shù)。由于背誦文本一般不長，并且檢查時(shí)一般不考慮語義相似性，只要字符不一致即判斷為背誦不正確，所以采用相對(duì)比較簡(jiǎn)單的LD（Levenshtein Distance）文本比較算法[4]計(jì)算兩段文本的編輯距離（Edit Distance），進(jìn)而根據(jù)表1中的文本相似度公式求出兩個(gè)文本的文本相似度，然后根據(jù)該算法的LD矩陣計(jì)算回溯路徑，得到原始文本和識(shí)別文本的匹配字符串，以不同的顏色標(biāo)注出一致、漏背、多余、錯(cuò)誤的字符。經(jīng)過比較，雖然LD算法在文本比較算法中并不是最優(yōu)的，尤其其空間復(fù)雜度為O（MN）[5]，當(dāng)文本較長時(shí)性能較差，但好在一般中學(xué)階段的文本背誦作業(yè)文本長度都不算很長，所以對(duì)本項(xiàng)目影響可以忽略。

（3）考慮到中文文本的特點(diǎn)，一段文本是由一系列的詞組構(gòu)成，如果詞組中的單字背錯(cuò)，可以認(rèn)為該詞組也是錯(cuò)誤的，所以可以以詞組為單位進(jìn)行文本比較，這樣不但減少LD算法計(jì)算過程中的文本的長度，同時(shí)也可以降低誤判概率，本文采用中國科學(xué)院計(jì)算技術(shù)研究所的NLPIR分詞系統(tǒng)[6]，首先對(duì)原始文本和識(shí)別文本進(jìn)行分詞，再以詞組為單位對(duì)兩文本進(jìn)行編輯距離的計(jì)算。

（4）經(jīng)過分詞系統(tǒng)切分詞組后，還采取了兩個(gè)手段進(jìn)一步減少對(duì)文本相似度計(jì)算的干擾，一是將原始文本和識(shí)別結(jié)果全部轉(zhuǎn)成拼音形式對(duì)比，以應(yīng)對(duì)中文文本中多音字較多、語音識(shí)別結(jié)果與原始文本可能音同字不同的情況;二是將原始文本和識(shí)別文本的標(biāo)點(diǎn)全部過濾掉，因?yàn)樽詣?dòng)識(shí)別的文本一般標(biāo)點(diǎn)不夠規(guī)范，如果比對(duì)標(biāo)點(diǎn)，會(huì)造成文本相似度比實(shí)際值偏低。當(dāng)然在結(jié)果呈現(xiàn)中，為了直觀還是要轉(zhuǎn)換到原來的中文文本的，這可以通過在過濾前向文本序列添加索引并保存在臨時(shí)變量中實(shí)現(xiàn)。

經(jīng)過上面的分析，我們?cè)O(shè)計(jì)了如圖1所示的系統(tǒng)模型。在學(xué)生界面中包含身份認(rèn)證、作業(yè)入口、語音錄制、語音回放、語音上傳、成績(jī)查詢、評(píng)測(cè)申訴等模塊，教師界面中除了包含學(xué)生界面的全部功能，還包含學(xué)生維護(hù)、作業(yè)維護(hù)、作業(yè)下發(fā)、手工檢查、成績(jī)查詢、歷史成績(jī)對(duì)比等模塊。

三、系統(tǒng)實(shí)現(xiàn)

考慮到背誦檢查的環(huán)境一般為教室、辦公室或者由父母監(jiān)督的家中，對(duì)可移動(dòng)性要求較高，所以本項(xiàng)目選擇了在普及度比較高的Android平臺(tái)實(shí)現(xiàn)。編程環(huán)境選擇了官方的Android Studio集成開發(fā)環(huán)境。因?yàn)轫?xiàng)目的核心使用了科大訊飛的開放平臺(tái)接口，所以還需要導(dǎo)入科大訊飛的語音識(shí)別和語音評(píng)測(cè)Android版SDK。音頻錄制、分割部分使用了Android自帶的AudioRecorder、AudioManager類來處理。文本分詞系統(tǒng)采用了中國科學(xué)院計(jì)算技術(shù)研究所的NLPIR分詞系統(tǒng)，同樣需要導(dǎo)入到項(xiàng)目中。

系統(tǒng)核心部分的流程是首先將錄制的背誦音頻文件暫存到臨時(shí)目錄，錄制完成使用卡爾曼濾波算法對(duì)音頻文件進(jìn)行降噪、增強(qiáng)處理，然后以1分鐘為單位將音頻切割成若干段，分別調(diào)用科大訊飛開放平臺(tái)的在線語音識(shí)別（SpeechRecognizer）和語音評(píng)測(cè)（SpeechEvaluator）接口進(jìn)行語音識(shí)別和評(píng)測(cè)，將語音評(píng)測(cè)結(jié)果合并后經(jīng)過格式化（對(duì)不同的錯(cuò)誤發(fā)音標(biāo)以不同的顏色）后直接輸出，對(duì)語音識(shí)別結(jié)果合并后復(fù)制為兩份，一份暫存，另一份先調(diào)用NLPIR分詞系統(tǒng)進(jìn)行分詞，然后轉(zhuǎn)換為拼音格式并進(jìn)行標(biāo)點(diǎn)過濾，對(duì)原始文本同樣進(jìn)行分詞、拼音轉(zhuǎn)換、標(biāo)點(diǎn)過濾處理，將得到的兩份文本作為輸入，依次計(jì)算文本相似度、完成度、正確率等表1中列出的指標(biāo)，其中計(jì)算插入錯(cuò)誤率統(tǒng)計(jì)語氣詞時(shí)不但要參考維護(hù)好的語氣詞列表，還要參考原始文本，防止將原始文本中本來就有的語氣詞統(tǒng)計(jì)進(jìn)去。最后將計(jì)算結(jié)果輸出，并根據(jù)相似度計(jì)算矩陣回溯結(jié)果，將暫存的那份語音識(shí)別結(jié)果根據(jù)回溯結(jié)果以不同的顏色標(biāo)注出一致、漏背、多余、錯(cuò)誤的字符并輸出。

四、效益及性能分析

系統(tǒng)實(shí)現(xiàn)后在學(xué)校中進(jìn)行了小范圍的測(cè)試和試用，受到了試用教師和學(xué)生的一致好評(píng)。對(duì)教師來說，該系統(tǒng)讓學(xué)生在教室或辦公室使用教師的Android設(shè)備或者在家使用家長的Android手機(jī)完成背誦作業(yè)，免除了教師在課堂上檢查背誦占用過多時(shí)間的困擾，節(jié)約了大量寶貴的教學(xué)時(shí)間，顯著提高了教學(xué)效率。同時(shí)，系統(tǒng)可以測(cè)算學(xué)生背誦作業(yè)的各種指標(biāo)，明確顯示出背誦錯(cuò)誤，還能順帶準(zhǔn)確地指出發(fā)音錯(cuò)誤，相對(duì)于教師人工檢查能夠提供更準(zhǔn)確、更清晰的學(xué)習(xí)指導(dǎo)，方便因材施教、因勢(shì)利導(dǎo)。如果教師對(duì)某個(gè)學(xué)生的背誦不放心，可以在教師界面回放檢查該學(xué)生的背誦錄音，非常方便。對(duì)學(xué)生來說，檢查時(shí)不用面對(duì)教師和全體學(xué)生的注視，背誦時(shí)能夠更加放松，往往發(fā)揮得更好，更容易完成教師布置的背誦作業(yè)，如果學(xué)生質(zhì)疑系統(tǒng)的評(píng)測(cè)，可以在學(xué)生界面對(duì)評(píng)測(cè)發(fā)起申訴，教師可以人工檢查學(xué)生的背誦錄音。

對(duì)系統(tǒng)的性能我們也進(jìn)行了基本的測(cè)試，主要對(duì)不同環(huán)境噪音背景下的語音識(shí)別正確率進(jìn)行了量化測(cè)試。經(jīng)過測(cè)試，在辦公室和家中基本安靜的條件下，語音識(shí)別的正確率還是很高的，基本能夠達(dá)到科大訊飛聲稱的97%左右。在教室其余學(xué)生都在背誦的嘈雜環(huán)境中，識(shí)別率較低，學(xué)生必須將手機(jī)的麥克風(fēng)離自己的嘴足夠近，并且前后左右同學(xué)沒有特別大聲的干擾，才能有較好的識(shí)別率。

五、小結(jié)與展望

本文以科大訊飛的語音識(shí)別技術(shù)為基礎(chǔ)，將識(shí)別結(jié)果進(jìn)行一系列處理后，采用LD算法將識(shí)別結(jié)果和原始文本進(jìn)行比較，實(shí)現(xiàn)了學(xué)生背誦作業(yè)的智能自動(dòng)檢查，經(jīng)過試用，取得了一定的經(jīng)濟(jì)和社會(huì)效益。

在系統(tǒng)使用過程中，我們也發(fā)現(xiàn)還有不少改進(jìn)的空間，比如少部分學(xué)生在背誦過程中可能會(huì)偷懶照讀課本，還有部分學(xué)生讓別人頂替完成作業(yè)，所以計(jì)劃下一步在系統(tǒng)中加入不定時(shí)拍照、面部識(shí)別以及聲紋識(shí)別功能以應(yīng)對(duì)這兩種情況。還有系統(tǒng)為了提高識(shí)別率采用了在線語音識(shí)別，需要上傳音頻文件，如果教室中沒有WiFi用流量上傳，需要消耗較高的流量，效費(fèi)比較低，下一步考慮自動(dòng)檢測(cè)網(wǎng)絡(luò)環(huán)境，在非WiFi環(huán)境中使用離線語音識(shí)別。

參考文獻(xiàn)：

[1]嚴(yán)可.英文朗讀題及復(fù)述題自動(dòng)評(píng)測(cè)技術(shù)研究[D].合肥：中國科學(xué)技術(shù)大學(xué)， 2009.

[2]沈亞強(qiáng)，程仲文.建立在卡爾曼濾波基礎(chǔ)上的語音增強(qiáng)方法[J].聲學(xué)學(xué)報(bào)，1994（3）.

[3]科大訊飛科技有限公司.科大訊飛MSC Android版SDK的用戶指南[DB/OL]. https：//doc.xfyun.cn/msc_android/index.html.

[4]姜華，韓安琪，王美佳等.基于改進(jìn)編輯距離的字符串相似度求解算法[J].計(jì)算機(jī)工程，2014，40（1）：222-227.

[5]Eugene W. Myers. An O（ND） difference algorithm and its variations[J]. Algorithmica，1986（1）.

[6]劉群，張華平，俞鴻魁，程學(xué)旗.基于層疊隱馬模型的漢語詞法分析[J].計(jì)算機(jī)研究與發(fā)展，2004（8）：1421-1429.

（編輯：魯利瑞）