彭夢(mèng)婭，劉亞麗

(中國(guó)傳媒大學(xué) 傳播聲學(xué)研究所，北京 100024)

區(qū)別特征單音節(jié)評(píng)測(cè)中過(guò)渡音征的影響

彭夢(mèng)婭，劉亞麗

(中國(guó)傳媒大學(xué) 傳播聲學(xué)研究所，北京 100024)

為將區(qū)別特征應(yīng)用于語(yǔ)音評(píng)測(cè)，需分析區(qū)別特征應(yīng)用的可行性及過(guò)渡音征對(duì)區(qū)別特征單音節(jié)評(píng)測(cè)的影響。利用區(qū)別特征探針參數(shù)并在區(qū)別特征決策樹中逐層判斷的方法進(jìn)行單音節(jié)中聲母和韻母的唯一確定，對(duì)含過(guò)渡音征的語(yǔ)音樣本信號(hào)與無(wú)過(guò)渡音征的語(yǔ)音樣本信號(hào)分別計(jì)算聲母正檢率，兩組正檢率顯著性檢驗(yàn)結(jié)果顯示無(wú)顯著性差異，因此建議在區(qū)別特征單音節(jié)檢測(cè)中不考慮過(guò)渡音征。該結(jié)果可以為進(jìn)一步將區(qū)別特征應(yīng)用于普通話語(yǔ)音客觀評(píng)測(cè)提供參考。

區(qū)別特征；過(guò)渡音征；計(jì)算機(jī)輔助評(píng)測(cè)

1 引言

目前的普通話水平測(cè)試工作中，雖有部分地區(qū)采用人工打分為主，計(jì)算機(jī)輔助評(píng)測(cè)的方式，大部分地區(qū)采用的仍是人工打分的主觀評(píng)測(cè)方法。雖然主觀評(píng)分能夠真實(shí)地反映被試者的語(yǔ)言能力，但存在評(píng)分員勞動(dòng)強(qiáng)度大、測(cè)試成本高以及測(cè)試信度受主觀影響大等問(wèn)題。隨著實(shí)驗(yàn)語(yǔ)音學(xué)和語(yǔ)音識(shí)別等相關(guān)技術(shù)的進(jìn)步，計(jì)算機(jī)輔助發(fā)音質(zhì)量評(píng)測(cè)技術(shù)也在不斷發(fā)展。當(dāng)下主流的客觀評(píng)測(cè)方法是基于統(tǒng)計(jì)模型的方法，該方法可操作性強(qiáng)適用范圍廣泛且可信度高，但統(tǒng)計(jì)模型缺少對(duì)語(yǔ)音的聲學(xué)模型和語(yǔ)音的知覺(jué)模型內(nèi)部細(xì)節(jié)問(wèn)題的研究，而且系統(tǒng)性能的提高過(guò)于依賴數(shù)據(jù)驅(qū)動(dòng)。20世紀(jì)80年代國(guó)內(nèi)開(kāi)始進(jìn)行普通話區(qū)別特征的研究，區(qū)別特征方法可以很好地解決基于統(tǒng)計(jì)模型方法存在的弊端。區(qū)別特征是針對(duì)語(yǔ)言的本質(zhì)特征的理論，可以鎖定普通話評(píng)測(cè)中的發(fā)音錯(cuò)誤和發(fā)音缺陷，將區(qū)別特征概念引入到計(jì)算機(jī)輔助發(fā)音評(píng)測(cè)，為漢語(yǔ)普通話語(yǔ)音評(píng)測(cè)提供了新的思路和方法。

關(guān)于區(qū)別特征的研究已經(jīng)達(dá)到一定的深度。張家祿[1]首次建立了聲韻調(diào)體系的區(qū)別特征系統(tǒng)。章斯宇[3]建立了基于言語(yǔ)知覺(jué)特性的普通話區(qū)別特征聲韻調(diào)體系。遺憾的是，他們并未進(jìn)行區(qū)別特征的參數(shù)化，因此無(wú)法將區(qū)別特征實(shí)際應(yīng)用于語(yǔ)音評(píng)測(cè)。為解決這一問(wèn)題，徐益華[4]和李戈[5]嘗試?yán)锰结樃拍罨就瓿闪藵h語(yǔ)普通話聲母和韻母的區(qū)別特征參數(shù)化。他們完成了每個(gè)聲母或韻母對(duì)應(yīng)的區(qū)別特征組中的單個(gè)區(qū)別特征的檢測(cè)，目的是檢測(cè)區(qū)別特征探針參數(shù)的有效性，但并未利用這些參數(shù)進(jìn)行判別決策樹中的聲韻母檢測(cè)。

無(wú)論是識(shí)別還是評(píng)測(cè)中，過(guò)渡音征問(wèn)題一直是難點(diǎn)。過(guò)渡音征現(xiàn)象主要由聲韻過(guò)渡段表現(xiàn)，它使得聲母的一部分特征或全部特征由韻母攜帶，特別是某些聲母，如不送氣塞音，其區(qū)別特征幾乎全部由過(guò)渡段攜帶。在基于統(tǒng)計(jì)模型的方法中，普遍認(rèn)為過(guò)渡音征是必須考慮的，如論文[5-8]為解決過(guò)渡音征對(duì)聲母識(shí)別的影響，根據(jù)后接韻母第一音位的不同建立各種聲母模型，再使用基于聲韻母時(shí)長(zhǎng)和短時(shí)能量的算法進(jìn)行聲韻自動(dòng)切分，之后進(jìn)行模式識(shí)別。該方法需要建立91種聲母模型，數(shù)據(jù)量大，并且依賴聲韻自動(dòng)切分，切分算法改變可能會(huì)造成聲母模型失效，降低了應(yīng)用的普適性。區(qū)別特征理論是針對(duì)語(yǔ)言的本質(zhì)特征的理論，在進(jìn)行區(qū)別特征的研究時(shí)一般認(rèn)為過(guò)渡音征問(wèn)題是不需要單獨(dú)考慮的，那么在將區(qū)別特征應(yīng)用于普通話語(yǔ)音評(píng)測(cè)時(shí)過(guò)渡音征問(wèn)題的影響是否需要考慮，是我們將要進(jìn)行討論的。

本文在區(qū)別特征相關(guān)研究的基礎(chǔ)之上，針對(duì)過(guò)渡音征問(wèn)題，通過(guò)提取區(qū)別特征探針參數(shù)并在區(qū)別特征決策樹中逐層判斷的方法進(jìn)行單音節(jié)中聲母和韻母的唯一確定，并對(duì)含過(guò)渡音征的語(yǔ)音樣本信號(hào)與無(wú)過(guò)渡音征的語(yǔ)音樣本信號(hào)分別進(jìn)行聲母正檢率計(jì)算，對(duì)兩者正檢率結(jié)果之間的差異進(jìn)行顯著性檢驗(yàn)，分析在區(qū)別特征單音節(jié)檢測(cè)中過(guò)渡音征問(wèn)題的影響。除此之外，對(duì)單音節(jié)中韻母進(jìn)行正檢率計(jì)算，結(jié)合單音節(jié)中含過(guò)渡音征的聲母正檢率，分析區(qū)別特征應(yīng)用的可行性。

2 實(shí)驗(yàn)方法

2.1 樣本的選取和處理

語(yǔ)音樣本信號(hào)選自中國(guó)傳媒大學(xué)傳播聲學(xué)研究所錄制的語(yǔ)音語(yǔ)料數(shù)據(jù)庫(kù)中的單音節(jié)數(shù)據(jù)庫(kù)部分[11]。在該數(shù)據(jù)庫(kù)中選取50個(gè)人的語(yǔ)音樣本數(shù)據(jù)(男女比例1：1)，年齡分布在19～21歲之間。該單音節(jié)數(shù)據(jù)庫(kù)涵蓋所有聲韻組合，選取362種聲韻組合的單音節(jié)，聲調(diào)全部為一聲，共18100個(gè)(50×362)。語(yǔ)音樣本采樣率為16kHz。按過(guò)渡音征有無(wú)將語(yǔ)音信號(hào)分別進(jìn)行處理，處理方法如下：

含過(guò)渡音征樣本：通過(guò)人工聽(tīng)辨去除不可用的單音節(jié)信號(hào)(誤讀或噪聲過(guò)大等)，最終選定單音節(jié)樣本總數(shù)為14736個(gè)，包含所有可能的聲韻組合情況。并通過(guò)人工觀察語(yǔ)譜圖、時(shí)域圖的方法，將單音節(jié)前后的靜音區(qū)去除，只保留純凈的單音節(jié)信號(hào)。

無(wú)過(guò)渡音征樣本：通過(guò)人工聽(tīng)辨去除不可用的單音節(jié)信號(hào)(誤讀或噪聲過(guò)大等)，最終選定單音節(jié)樣本總數(shù)為3247個(gè)，從聲母呼讀音樣本中獲取，如表1所示。為了得到純凈的聲母信號(hào)，處理上不受后面的元音信號(hào)和過(guò)渡音征的影響，將呼讀音后部的非聲母部分切除。采取人工切音的方法，保留起始點(diǎn)和排除過(guò)渡音、韻母的干擾。切割主要根據(jù)輔音的語(yǔ)圖特點(diǎn)、時(shí)域信號(hào)特點(diǎn)，并通過(guò)聽(tīng)辨進(jìn)行切分。

表1 聲母呼讀音對(duì)照表

續(xù)表

2.2 參數(shù)選取

選用文獻(xiàn)[4-5]的聲母和韻母區(qū)別特征探針參數(shù)，用于聲韻母區(qū)別特征決策樹[3]中各區(qū)別特征有無(wú)的判別。

表2 聲母區(qū)別特征探針參數(shù)

表3 韻母區(qū)別特征探針參數(shù)

2.3 實(shí)驗(yàn)流程

針對(duì)每個(gè)單音節(jié)，通過(guò)計(jì)算得出的12個(gè)聲母探針參數(shù)(見(jiàn)表2)和24個(gè)韻母探針參數(shù)(見(jiàn)表3)對(duì)聲韻母進(jìn)行判別的流程如圖1所示。

圖1 單音節(jié)中聲韻母正檢流程圖

第一步，對(duì)單音節(jié)語(yǔ)音樣本信號(hào)進(jìn)行預(yù)處理，包括預(yù)加重、分幀、加窗、聲母邊界初判(聲母邊界初判指的是，聲母部分語(yǔ)音幀的能量值要低于整個(gè)音節(jié)語(yǔ)音幀的能量平均值，利用此特征實(shí)現(xiàn)音節(jié)中聲母位置的初判)；

第二步，對(duì)預(yù)處理后的語(yǔ)音信號(hào)進(jìn)行區(qū)別特征探針參數(shù)的計(jì)算，得到1×12的聲母區(qū)別特征探針參數(shù)矩陣和1×24的韻母區(qū)別特征探針參數(shù)矩陣；

第三步，將每個(gè)聲母和韻母判別時(shí)用不到的區(qū)別特征探針參數(shù)矩陣值設(shè)定為0，即把不參與判別的區(qū)別特征(后稱無(wú)效區(qū)別特征)去除，只考慮理論上含有的區(qū)別特征；

最后，根據(jù)區(qū)別特征探針矩陣在聲母/韻母區(qū)別特征決策樹[3]進(jìn)行路徑搜索，通過(guò)對(duì)節(jié)點(diǎn)處區(qū)別特征有無(wú)的判定實(shí)現(xiàn)對(duì)單音節(jié)中聲母和韻母的唯一確定，以q為例，如圖2所示，依次判別“濁音的”、“舌面的”、“送氣的”和“塞擦的”四個(gè)區(qū)別特征的有無(wú)，最終確定聲母q。

圖2 聲母“q”判決路徑

將樣本中所有單音節(jié)進(jìn)行上述聲韻母判別，判別結(jié)果用于正檢率的計(jì)算，計(jì)算方法如下：

對(duì)于某一聲母或某一韻母，測(cè)試集中含有該聲母或韻母的單音節(jié)樣本為a個(gè)，在這些樣本中，通過(guò)區(qū)別特征檢測(cè)出含有該聲母或韻母的單音節(jié)樣本為b個(gè)，則：正檢率=b/a×100%。

3 實(shí)驗(yàn)結(jié)果及分析

使用上述流程及計(jì)算方法進(jìn)行正檢率計(jì)算，含過(guò)渡音征語(yǔ)音樣本聲母正檢率與無(wú)過(guò)渡音征語(yǔ)音樣本聲母正檢率如表4所示，韻母的正檢率如表6所示。

表4顯示含過(guò)渡音征語(yǔ)音樣本聲母正檢率大多在60%以上，平均正檢率為63%。無(wú)過(guò)渡音征語(yǔ)音樣本聲母正檢率大多在60%以上，平均正檢率為62%。正檢結(jié)果偏低，進(jìn)一步分析表4，可以得出：

(1)參與判別的區(qū)別特征個(gè)數(shù)增多正檢率會(huì)相應(yīng)降低，如j/q/x，其中j的判別需要3個(gè)區(qū)別特征，q和x的判別需要4個(gè)區(qū)別特征，j的正檢率明顯高于q和x。同樣的情況還存在于z/c/s、zh/ch/sh、b/g/d等聲母判別中。說(shuō)明區(qū)別特征逐層判斷存在誤判不斷累積的情況，參與判別的區(qū)別特征越多，正檢率就相應(yīng)越低，但由于各區(qū)別特征之間非相互獨(dú)立，最終正檢率并不是各參與判別的區(qū)別特征正檢率的乘積。

(2)每個(gè)區(qū)別特征對(duì)于判別的貢獻(xiàn)程度是不同的，如m有三個(gè)參與判別的區(qū)別特征：“濁音的”、“鼻音的”和“雙唇的”，l也有3個(gè)參與判別區(qū)別特征：“濁音的”、“鼻音的”和“邊音的”，在兩者的判別中雖然只有一個(gè)參與的區(qū)別特征不同，但是正檢率差距較大，說(shuō)明區(qū)別特征“雙唇的”和“邊音的”在聲母的判別中，貢獻(xiàn)程度是不同的。同樣的情況還存在于b/h等聲母的判別中。

表4 含、無(wú)過(guò)渡音征語(yǔ)音樣本聲母正檢率

此外，為觀察過(guò)渡音征對(duì)聲母判別的影響，將表4中的含過(guò)渡音征語(yǔ)音樣本聲母正檢率和無(wú)過(guò)渡音征語(yǔ)音樣本聲母正檢率進(jìn)行如下對(duì)比分析。

含過(guò)渡音征語(yǔ)音樣本聲母正檢率和無(wú)過(guò)渡音征語(yǔ)音樣本聲母正檢率之間的相對(duì)變化率如表5所示，此變化率指的是無(wú)過(guò)渡音征聲母正檢率相對(duì)于含過(guò)渡音征聲母正檢率的變化率。

由表5可以看出，兩組正檢率之間的平均變化率為3%，變化幅度很小。將兩組正檢率進(jìn)行顯著性檢驗(yàn)，結(jié)果為p=0.319>0.05，即含過(guò)渡音征語(yǔ)音樣本聲母正檢率和無(wú)過(guò)渡音征語(yǔ)音樣本聲母正檢率之間不具有顯著性差異，說(shuō)明從區(qū)別特征角度進(jìn)行聲母正檢時(shí)過(guò)渡音征影響很小。

表5 聲母正檢率相對(duì)變化率

韻母正檢率結(jié)果如表6所示，語(yǔ)音樣本為含過(guò)渡音征的語(yǔ)音樣本信號(hào)，正檢流程如圖1中韻母部分所示，計(jì)算方法與聲母相同。

表6 韻母正檢率

表6顯示韻母正檢率大多在50%以上，平均正檢率為54%。相比表4中含過(guò)渡音征聲母正檢率，正檢結(jié)果偏低，進(jìn)一步分析表6，可以得出：

(1)韻母正檢率同樣存在參與判別的區(qū)別特征個(gè)數(shù)增多正檢率降低的現(xiàn)象，如無(wú)介音韻母o/ou/ong，其中o的判別需要4個(gè)區(qū)別特征，o和ong的判別需要5個(gè)區(qū)別特征，o的正檢率明顯高于ou和ong。同樣的情況還存在于a/ai/ao、o/ou/ong等韻母的判別中。韻母正檢率同樣存在不同區(qū)別特征對(duì)于判別的貢獻(xiàn)程度不同的現(xiàn)象，如ia有4個(gè)參與判別的區(qū)別特征：“合口的”、“齊齒的”、“低的”和“后的”，iong也有4個(gè)參與判別的區(qū)別特征：“合口的”、“齊齒的”、“低的”和“開(kāi)尾的”，在兩者的判別中雖然只有一個(gè)區(qū)別特征不同，但是正檢率差距較大，說(shuō)明區(qū)別特征“低的”和“開(kāi)尾的”在韻母的判別中，貢獻(xiàn)程度是不同的。同樣的情況還存在與ai/ao/an/ang等韻母的判別中。

(2)韻母中含有的音位越多，其正檢率越低，如a/ai/ang、o/ou/ong、i/in/ing、u/ua/uai/uang等，音位增多的同時(shí)韻母正檢率呈現(xiàn)由大到小的變化趨勢(shì)。韻母中含有的音位增多，發(fā)音時(shí)口型和舌位都會(huì)發(fā)生不同程度的變化，區(qū)分難度隨之增加，造成了正檢率的降低。

(3)韻母按內(nèi)部結(jié)構(gòu)的不同，可以分為單韻母、復(fù)韻母和鼻韻母三類，鼻韻母所占比例最大，有16個(gè)。由表6可以看出鼻韻母正檢率普遍較低，平均正檢率為46%，相比于單韻母和復(fù)韻母低得多。韻母按韻尾情況分為無(wú)尾韻母、元音尾韻母和鼻音尾韻母三類，將這三類韻母正檢率分別求平均值的結(jié)果如表7所示。

表7 按韻尾情況分類韻母平均正檢率

由表7可以看出，無(wú)尾韻母正檢率較好，鼻韻尾韻母正檢率較差。鼻音相關(guān)韻母一直是韻母識(shí)別與評(píng)測(cè)中的難點(diǎn)，在論文[5]進(jìn)行韻母區(qū)別特征“鼻韻尾的”的正檢時(shí)就存在結(jié)果不理想的情況，鼻音相關(guān)的區(qū)別特征參數(shù)應(yīng)進(jìn)一步研究，必要時(shí)可嘗試其它聲學(xué)參數(shù)。

(4)含過(guò)渡音征聲母正檢率和韻母正檢率，兩者所用語(yǔ)音信號(hào)樣本相同，但對(duì)比表4和表6可以發(fā)現(xiàn)聲母的正檢率明顯好于韻母正檢率。對(duì)比聲韻母區(qū)別特征理論體系，韻母的區(qū)別特征體系相對(duì)復(fù)雜，許多韻母在判別中涉及的區(qū)別特征多，誤判累積也會(huì)相應(yīng)增多，在目前的韻母參數(shù)研究中仍有個(gè)別特征參數(shù)選取不夠理想，需改進(jìn)。

綜上所述，從區(qū)別特征角度進(jìn)行單音節(jié)中聲母的檢測(cè)時(shí)過(guò)渡音征問(wèn)題影響很小，建議忽略。韻母中音位增多正檢率隨之降低，部分區(qū)別特征參數(shù)應(yīng)進(jìn)一步研究，必要時(shí)可嘗試其它聲學(xué)參數(shù)。參與判別的區(qū)別特征個(gè)數(shù)增加會(huì)造成誤判累積，而且各個(gè)區(qū)別特征對(duì)最終的判別貢獻(xiàn)程度是不同的，因此有必要對(duì)各區(qū)別特征進(jìn)行權(quán)值設(shè)定，以降低誤判的累積程度。

4 結(jié)論

區(qū)別特征單音節(jié)檢測(cè)中聲母和韻母的平均正檢率可以達(dá)到60%左右，表明區(qū)別特征應(yīng)用于單音節(jié)測(cè)評(píng)是可行的。但總體來(lái)說(shuō)正檢率偏低，這說(shuō)明已有的區(qū)別特征參數(shù)仍需改進(jìn)后才能應(yīng)用到普通話語(yǔ)音評(píng)測(cè)當(dāng)中。

對(duì)比含過(guò)渡音征語(yǔ)音樣本聲母正檢率與無(wú)過(guò)渡音征語(yǔ)音樣本聲母正檢率，兩者之間的顯著性檢驗(yàn)結(jié)果說(shuō)明兩者之間不具有顯著差異，因此從區(qū)別特征角度進(jìn)行單音節(jié)檢測(cè)時(shí)建議不考慮過(guò)渡音征。

韻母區(qū)別特征體系相對(duì)復(fù)雜，口型和鼻音相關(guān)區(qū)別特征對(duì)最終判別結(jié)果影響較大，應(yīng)進(jìn)一步研究，或嘗試其它聲學(xué)參數(shù)。

各區(qū)別特征之間的相互影響及誤判率的累計(jì)都可能造成評(píng)判結(jié)果不理想，應(yīng)當(dāng)確定每個(gè)區(qū)別特征對(duì)于聲母或韻母判別的貢獻(xiàn)程度，根據(jù)每一個(gè)區(qū)別特征的在評(píng)判時(shí)的重要性進(jìn)行權(quán)值的設(shè)定，權(quán)值的設(shè)定可以將區(qū)別特征之間的相互影響和誤判累積程度降低。不僅如此，區(qū)別特征參數(shù)是根據(jù)已有的數(shù)據(jù)結(jié)果，按照統(tǒng)計(jì)判別的最佳標(biāo)準(zhǔn)而設(shè)定的，而沒(méi)有結(jié)合評(píng)測(cè)人員的主觀經(jīng)驗(yàn)，完全依賴標(biāo)準(zhǔn)數(shù)據(jù)得到的參數(shù)是片面的，最終的評(píng)分機(jī)制應(yīng)與主觀測(cè)評(píng)相結(jié)合的合理評(píng)分機(jī)制。這也是下一步需要進(jìn)行的工作。

[1]張家騄.漢語(yǔ)普通話區(qū)別特征系統(tǒng)[J].聲學(xué)學(xué)報(bào)，2005，30(6)：506-514.

[2]陸致極.試論普通話音位的區(qū)別特征[J].語(yǔ)文研究，1987，(4)：10-21.

[3]章斯宇.基于言語(yǔ)知覺(jué)特性的普通話區(qū)別特征系統(tǒng)研究[D].北京：中國(guó)傳媒大學(xué)博士學(xué)位論文，2011.

[4]徐益華.自然音節(jié)狀態(tài)下聲母區(qū)別特征檢測(cè)[D].北京：中國(guó)傳媒大學(xué)碩士學(xué)位論文，2015.

[5]李戈.自然音節(jié)狀態(tài)下韻母區(qū)別特征檢測(cè)[D].北京：中國(guó)傳媒大學(xué)碩士學(xué)位論文，2016.

[6]戚建宇.普通話單字發(fā)音客觀評(píng)價(jià)方法研究[D].蘇州：蘇州大學(xué)碩士學(xué)位論文，2006.

[7]陳麗霞.基于聲韻母基元的漢語(yǔ)語(yǔ)音識(shí)別系統(tǒng)[D].南京：南京理工大學(xué)碩士學(xué)位論文，2005.

[8]湯霖.普通話聲母的客觀評(píng)測(cè)[J].計(jì)算機(jī)應(yīng)用.2010，(6)：30-4.

[9]劉振安.基于特征比較的語(yǔ)音評(píng)分方法研究.計(jì)算機(jī)應(yīng)用[J].2005，(12)：25-12.

[10]鄭世杰.基于語(yǔ)音自動(dòng)評(píng)測(cè)的普通話學(xué)習(xí)系統(tǒng)的研究[D].哈爾濱：哈爾濱師范大學(xué)碩士學(xué)位論文，2015.

[11]呂軍，基于語(yǔ)音識(shí)別的漢語(yǔ)發(fā)音自動(dòng)評(píng)分系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與設(shè)計(jì)，2007，(3)：28-5.

[12]馮曉亮.普通話輔音的參數(shù)化區(qū)別特征體系構(gòu)建[D].北京：中國(guó)傳媒大學(xué)博士學(xué)位論文，2009.

(責(zé)任編輯：王謙)

Effect of Initial-to-Final Transition in Detecting Syllables by Distinctive Features

PENG Meng-ya，LIU Ya-li

(Communication Acoustics Laboratory，Communication University of China，Beijing 100024，China)

In order to apply distinctive feature theory in Mandarin evaluation technology，it is necessary to analyze the feasibility of application of distinctive features and effect of initial-to-final transition in detecting syllables.By extracting acoustic parameters and distinguishing layer by layer，the initial and the final in a syllable can be determined uniquely.The detective accuracy of initials in speech samples with initial-to-final transition and speech samples without initial-to-final transition shows no significant difference，so initial-to-final transition is suggested to be ignored in in detecting syllables by distinctive features.The results obtained in this paper can provide a reference for further applying the distinctive features to the objective evaluation of Mandarin.

distinctive features；initial-to-final transition；computer-assisted assessment system

2017-04-14

彭夢(mèng)婭(1992-)，女(漢族)，安徽阜陽(yáng)人，中國(guó)傳媒大學(xué)碩士研究生.E-mail：yl_liu@cuc.edu.cn

O

A

1673-4793(2017)04-0064-06