发音评估的音素检测

Question

我正在为聋儿学习泰语进行申请。该应用程序为他们提供了一些基本单词（1 或 2 个音节），用于练习发音和反馈单词的可理解程度。所以我专注于可理解性，而不是卓越。

我是这个领域的新手。现在，我正在使用语音转文本技术，确切地说是Google's Cloud Speech-to-Text。由于它是语音识别，所以它提供了可能的最终匹配词。然而，自然而然，聋儿会发好元音而不是辅音。有时元音是正确的，但辅音对于发音的单词来说并不完全正确，这在某种程度上是可以理解的，语音识别不会提供任何帮助。我希望该应用程序提供可懂度方面的反馈，这也可以告诉他们哪些发音的音素是正确的，哪些是错误的。所以语音到文本技术不太适合这个应用程序，我正在寻找使用语音中的音素检测来评估可懂度的发音。

根据我的研究，我发现this work 与我想要的非常相似，但我不知道如何在泰语中实现它。

所以请任何人指导我如何从话语中检测音素并根据可理解性对其进行评估，或者对其他更好的方法提出任何建议。移动应用（Android、iOS）的离线解决方案会更好。

Answer 1

对于泰语，您只需使用泰语声学模型，其他一切都一样。

实际服务的代码和文档在这里：

https://github.com/brijmohan/proneval-service