基于智能語(yǔ)音技術(shù)的多語(yǔ)種自動(dòng)口語(yǔ)測(cè)評(píng)系統(tǒng)設(shè)計(jì)

摘要：隨著人工智能和自然語(yǔ)言處理技術(shù)的快速發(fā)展，自動(dòng)口語(yǔ)測(cè)評(píng)系統(tǒng)在外語(yǔ)教學(xué)中發(fā)揮著越來(lái)越重要的作用。文章旨在設(shè)計(jì)及實(shí)現(xiàn)一個(gè)支持多語(yǔ)種的自動(dòng)口語(yǔ)測(cè)評(píng)系統(tǒng)，為學(xué)習(xí)者提供實(shí)時(shí)、客觀的口語(yǔ)能力反饋，技術(shù)上主要通過(guò)神經(jīng)網(wǎng)絡(luò)模型（NNM）、語(yǔ)音識(shí)別（ASR）、機(jī)器學(xué)習(xí)（ML）等方式實(shí)現(xiàn)口語(yǔ)自動(dòng)評(píng)分，通過(guò)測(cè)試，可實(shí)現(xiàn)對(duì)英語(yǔ)、日語(yǔ)、俄語(yǔ)、德語(yǔ)、法語(yǔ)、西班牙語(yǔ)、意大利語(yǔ)、韓語(yǔ)的口語(yǔ)自動(dòng)評(píng)測(cè)，在測(cè)試準(zhǔn)確率等方面達(dá)到人工專(zhuān)家評(píng)分95%的效果，通過(guò)該系統(tǒng)的設(shè)計(jì)應(yīng)用提高了學(xué)習(xí)者的學(xué)習(xí)效率。

關(guān)鍵詞：智能語(yǔ)音；自然語(yǔ)言處理；語(yǔ)音識(shí)別；多語(yǔ)種；口語(yǔ)評(píng)測(cè)

中圖分類(lèi)號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2024）35-0006-04開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

0引言

人工智能技術(shù)正在引發(fā)教育領(lǐng)域的革命性變革，其中智能語(yǔ)音技術(shù)對(duì)外語(yǔ)學(xué)習(xí)的影響尤為顯著。各種智能化學(xué)習(xí)工具的出現(xiàn)，為語(yǔ)言學(xué)習(xí)者提供了更加便捷、高效和個(gè)性化的學(xué)習(xí)體驗(yàn)，如AI助教、自適應(yīng)學(xué)習(xí)、智能搜題、智能閱卷、外語(yǔ)隨身翻譯等智能化學(xué)習(xí)工具，對(duì)信息獲取方式和外語(yǔ)教學(xué)帶來(lái)新的沖擊。

智能語(yǔ)音技術(shù)包括語(yǔ)音識(shí)別（ASR）、語(yǔ)音合成（TTS）、聲紋檢測(cè)（VD）等重要內(nèi)容，其強(qiáng)大的自然對(duì)話(huà)和交互能力為外語(yǔ)學(xué)習(xí)領(lǐng)域帶來(lái)顯著的影響，其應(yīng)用在個(gè)性化學(xué)習(xí)體驗(yàn)、實(shí)時(shí)反饋和糾錯(cuò)、沉浸式語(yǔ)言環(huán)境、自主學(xué)習(xí)與互動(dòng)學(xué)習(xí)等方面，極大提高了學(xué)習(xí)效率和學(xué)習(xí)體驗(yàn)。

自然語(yǔ)言處理作為人工智能的重要分支，極大地推動(dòng)了智能語(yǔ)音技術(shù)的進(jìn)步。近年來(lái)，隨著深度學(xué)習(xí)的不斷發(fā)展，特別是Transformer模型的應(yīng)用，顯著提高了語(yǔ)音識(shí)別、語(yǔ)音合成等技術(shù)的效率和準(zhǔn)確性，為自動(dòng)口語(yǔ)測(cè)評(píng)系統(tǒng)的發(fā)展奠定了技術(shù)基礎(chǔ)，極大提高了自然語(yǔ)言處理的效率和準(zhǔn)確性。

目前主流的口語(yǔ)測(cè)評(píng)系統(tǒng)，主要以中文、英語(yǔ)等大語(yǔ)種的測(cè)評(píng)為主，缺乏對(duì)小語(yǔ)種的口語(yǔ)測(cè)評(píng)即時(shí)反饋，其主要局限在于缺乏小語(yǔ)種語(yǔ)料庫(kù)和口語(yǔ)測(cè)評(píng)模型支持，以及相關(guān)用戶(hù)群體數(shù)量有限導(dǎo)致系統(tǒng)開(kāi)發(fā)積極性不高所致。

本文擬通過(guò)設(shè)計(jì)一個(gè)多語(yǔ)種自動(dòng)口語(yǔ)測(cè)評(píng)系統(tǒng)，實(shí)現(xiàn)對(duì)小語(yǔ)種的語(yǔ)料上傳、檢測(cè)以及進(jìn)行口語(yǔ)訓(xùn)練實(shí)時(shí)檢測(cè)和反饋，對(duì)口語(yǔ)學(xué)習(xí)起到即時(shí)的練習(xí)反饋效果。

1總體設(shè)計(jì)

1.1需求分析

語(yǔ)言學(xué)習(xí)者在進(jìn)行語(yǔ)言學(xué)習(xí)時(shí)，面臨的最大問(wèn)題就是發(fā)音是否準(zhǔn)確、語(yǔ)音語(yǔ)調(diào)是否標(biāo)準(zhǔn)，如果能隨時(shí)隨地進(jìn)行語(yǔ)言學(xué)習(xí)，并且在語(yǔ)言訓(xùn)練時(shí)得到獲得及時(shí)的反饋和評(píng)價(jià)，將對(duì)外語(yǔ)學(xué)習(xí)起到積極的促進(jìn)作用。因此，設(shè)計(jì)一套自助式口語(yǔ)測(cè)評(píng)系統(tǒng)，并采用該系統(tǒng)對(duì)語(yǔ)言學(xué)習(xí)過(guò)程中的單詞、句子、段落進(jìn)行發(fā)音訓(xùn)練，將對(duì)外語(yǔ)學(xué)習(xí)起到積極的促進(jìn)作用。

本系統(tǒng)面向語(yǔ)言學(xué)習(xí)者，包括語(yǔ)言專(zhuān)業(yè)學(xué)習(xí)者以及對(duì)該語(yǔ)言有興趣的其他人員等，主要使用對(duì)象是本科生和研究生。本系統(tǒng)包含8個(gè)語(yǔ)種，包括英語(yǔ)、日語(yǔ)、俄語(yǔ)、德語(yǔ)、法語(yǔ)、西班牙語(yǔ)、意大利語(yǔ)、韓語(yǔ)，配置難、易、中三種程度學(xué)習(xí)內(nèi)容，適應(yīng)不同水平的學(xué)習(xí)者。

1.2系統(tǒng)架構(gòu)

系統(tǒng)采用三級(jí)架構(gòu)體系，包括如下：

表示層：主要指前端界面，用于給用戶(hù)提供友好的訪(fǎng)問(wèn)接口，包括移動(dòng)端及PC端兩種訪(fǎng)問(wèn)方式，允許學(xué)生朗讀以及答題、寫(xiě)作文等，支持以文本和音頻的方式上傳練習(xí)材料以及口語(yǔ)練習(xí)音頻，同時(shí)顯示測(cè)試結(jié)果和反饋。

應(yīng)用邏輯層：承上啟下，用于負(fù)責(zé)處理前端請(qǐng)求，執(zhí)行口語(yǔ)評(píng)分算法，并與后端交互、存儲(chǔ)相關(guān)數(shù)據(jù)。

數(shù)據(jù)訪(fǎng)問(wèn)層：主要存儲(chǔ)用戶(hù)信息、練習(xí)音頻、測(cè)試結(jié)果等數(shù)據(jù)，用于實(shí)現(xiàn)前端頁(yè)面與數(shù)據(jù)庫(kù)的交互和訪(fǎng)問(wèn)，

1.3功能模塊

系統(tǒng)功能模塊具體如表1所示。

1.4系統(tǒng)方案設(shè)計(jì)

本系統(tǒng)服務(wù)端采用本地化部署+云端調(diào)用的方式提供服務(wù)，面向教師和學(xué)生分別提供PC端以及移動(dòng)端服務(wù)。該系統(tǒng)為不同語(yǔ)言背景的學(xué)習(xí)者提供一個(gè)準(zhǔn)確、客觀的口語(yǔ)能力評(píng)估工具，系統(tǒng)調(diào)用語(yǔ)音處理引擎處理多種語(yǔ)言的語(yǔ)音輸入，并對(duì)其發(fā)音準(zhǔn)確性、流利度、語(yǔ)法正確性等多個(gè)維度進(jìn)行評(píng)價(jià)，評(píng)估學(xué)生的口語(yǔ)能力，為學(xué)習(xí)者提供實(shí)時(shí)反饋，促進(jìn)其語(yǔ)言能力的提升。

詳細(xì)設(shè)計(jì)如下：

1）語(yǔ)種多樣性：本系統(tǒng)要求能夠支持多種語(yǔ)言，包括不同的發(fā)音、語(yǔ)法和詞匯，因此配置特定的語(yǔ)音識(shí)別和評(píng)估算法。

2）語(yǔ)音識(shí)別技術(shù)：口語(yǔ)測(cè)評(píng)系統(tǒng)的核心是語(yǔ)音識(shí)別技術(shù)，在選擇語(yǔ)音識(shí)別引擎時(shí)，主要需要考慮其準(zhǔn)確性、實(shí)時(shí)性、多語(yǔ)言支持等因素，涉及音頻處理、特征提取、聲學(xué)模型、語(yǔ)言模型等多個(gè)方面。

3）語(yǔ)音評(píng)分算法：需要制定口語(yǔ)評(píng)估標(biāo)準(zhǔn)，這些標(biāo)準(zhǔn)包括發(fā)音準(zhǔn)確性、語(yǔ)速、語(yǔ)調(diào)、語(yǔ)法正確性、詞匯使用等多個(gè)方面，評(píng)估標(biāo)準(zhǔn)能夠客觀地反映用戶(hù)的口語(yǔ)水平。

口語(yǔ)測(cè)評(píng)系統(tǒng)對(duì)用戶(hù)的發(fā)音、語(yǔ)法、詞匯和流利度等方面進(jìn)行評(píng)分，通過(guò)自然語(yǔ)言處理（NLP）技術(shù)和機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)。在該系統(tǒng)中，使用Transformer神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來(lái)評(píng)估發(fā)音質(zhì)量；使用語(yǔ)法分析器（句法分析器）來(lái)檢查語(yǔ)法錯(cuò)誤；使用詞匯數(shù)據(jù)庫(kù)（WordNet）來(lái)評(píng)估詞匯豐富度；使用語(yǔ)速、停頓等指標(biāo)來(lái)評(píng)估流利度。

4）用戶(hù)界面設(shè)計(jì)：口語(yǔ)測(cè)評(píng)系統(tǒng)采用友好的用戶(hù)界面，以便用戶(hù)方便地進(jìn)行口語(yǔ)練習(xí)和查看評(píng)分結(jié)果。用戶(hù)界面應(yīng)該簡(jiǎn)潔明了，易于使用，以提高用戶(hù)的學(xué)習(xí)興趣和效果。在設(shè)計(jì)用戶(hù)界面時(shí)，需要提供清晰的操作提示和反饋，以幫助用戶(hù)順利完成測(cè)試。此外，需要考慮不同語(yǔ)種用戶(hù)的閱讀習(xí)慣和界面布局。

5）數(shù)據(jù)收集與分析：為了不斷優(yōu)化和改進(jìn)口語(yǔ)測(cè)評(píng)系統(tǒng)，需要收集練習(xí)數(shù)據(jù)和評(píng)分結(jié)果，并進(jìn)行數(shù)據(jù)分析，以此幫助發(fā)現(xiàn)系統(tǒng)的不足之處，以及了解用戶(hù)的學(xué)習(xí)需求和行為特點(diǎn)。此外，還可以利用這些數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)模型的訓(xùn)練和優(yōu)化。

系統(tǒng)架構(gòu)具體如圖1所示。

2技術(shù)實(shí)現(xiàn)

該應(yīng)用系統(tǒng)開(kāi)發(fā)主要采用以下技術(shù)方式，具體如表2所示。

3關(guān)鍵技術(shù)

3關(guān)鍵技術(shù)

在口語(yǔ)測(cè)評(píng)系統(tǒng)中，聲學(xué)模型扮演著至關(guān)重要的角色，其主要任務(wù)是將聲音轉(zhuǎn)化為可分析的聲學(xué)特征，進(jìn)而用于語(yǔ)音識(shí)別和語(yǔ)音分析。在本次口語(yǔ)自動(dòng)測(cè)評(píng)設(shè)計(jì)中，主要采用了Transformer模型，具體如下：

1）高效處理長(zhǎng)序列：Transformer模型使用自注意力機(jī)制，這使得它能夠高效地處理長(zhǎng)序列數(shù)據(jù)。在口語(yǔ)測(cè)評(píng)中，輸入的句子可能很長(zhǎng)，但Transformer模型仍然能夠準(zhǔn)確捕捉其中的關(guān)鍵信息。相比于傳統(tǒng)的遞歸神經(jīng)網(wǎng)絡(luò)（RNN），Transformer模型具有更高的并行性和計(jì)算效率，這在處理長(zhǎng)句子時(shí)尤為明顯。

2）上下文感知能力：Transformer模型能夠評(píng)測(cè)序列中不同位置之間的依賴(lài)關(guān)系，從而更準(zhǔn)確地評(píng)估口語(yǔ)表達(dá)的準(zhǔn)確性，實(shí)現(xiàn)上下文感知。

3）豐富的語(yǔ)言知識(shí)和模式：Transformer模型通過(guò)在大規(guī)模語(yǔ)料庫(kù)上進(jìn)行無(wú)監(jiān)督預(yù)訓(xùn)練，可以學(xué)習(xí)到豐富的語(yǔ)言知識(shí)和模式。在口語(yǔ)測(cè)評(píng)中，這些語(yǔ)言知識(shí)和模式有助于模型更準(zhǔn)確地理解口語(yǔ)表達(dá)，提高評(píng)估的準(zhǔn)確性。

4）多樣化的評(píng)估指標(biāo)：在口語(yǔ)自動(dòng)測(cè)評(píng)中，Trans?former模型可以結(jié)合多種評(píng)估指標(biāo)來(lái)全面評(píng)估口語(yǔ)表達(dá)的準(zhǔn)確性、流暢性和自然度，模型可以計(jì)算口語(yǔ)表達(dá)的困惑度（Perplexity）、BLEU值等指標(biāo)來(lái)評(píng)估其準(zhǔn)確性，還可以通過(guò)注意力可視化等方法來(lái)深入了解模型在評(píng)估過(guò)程中的表現(xiàn)。

Transformer處理流程及編碼器結(jié)構(gòu)，具體如圖2和圖3所示。

Transformer模型能夠更準(zhǔn)確地評(píng)估口語(yǔ)表達(dá)的準(zhǔn)確性、流暢性和自然度，為口語(yǔ)教學(xué)和學(xué)習(xí)提供有力支持。

3.2線(xiàn)性擬合算法

在該系統(tǒng)設(shè)計(jì)時(shí)，主要使用線(xiàn)性擬合算法，其在口語(yǔ)測(cè)評(píng)系統(tǒng)中的應(yīng)用主要包括：

1）聲學(xué)特征提取與建模：線(xiàn)性擬合算法可以用于提取和建模語(yǔ)音信號(hào)的聲學(xué)特征，通過(guò)線(xiàn)性預(yù)測(cè)編碼（LinearPredictiveCoding，LPC）可以提取語(yǔ)音信號(hào)的線(xiàn)性預(yù)測(cè)系數(shù)，該系數(shù)可以用來(lái)表示語(yǔ)音的頻譜特性。這些特征在語(yǔ)音識(shí)別和口語(yǔ)測(cè)評(píng)中都非常有用。

2）發(fā)音質(zhì)量評(píng)估：在發(fā)音質(zhì)量評(píng)估中，線(xiàn)性擬合算法可以用來(lái)建立發(fā)音標(biāo)準(zhǔn)與發(fā)音樣本之間的線(xiàn)性關(guān)系。例如，可以收集一系列發(fā)音標(biāo)準(zhǔn)的樣本，并使用線(xiàn)性回歸算法來(lái)預(yù)測(cè)發(fā)音樣本的得分。這種方法可以幫助系統(tǒng)快速評(píng)估發(fā)音的準(zhǔn)確性。

3）語(yǔ)速和語(yǔ)調(diào)分析：語(yǔ)速和語(yǔ)調(diào)是口語(yǔ)表達(dá)中的重要因素。線(xiàn)性擬合算法可以用來(lái)分析語(yǔ)速和語(yǔ)調(diào)的變化趨勢(shì)，從而評(píng)估口語(yǔ)表達(dá)的流暢性和自然度。

3.3專(zhuān)家評(píng)分模型校驗(yàn)

采用多個(gè)評(píng)分維度，從語(yǔ)音、語(yǔ)調(diào)、準(zhǔn)確度、流利度、韻律度、連讀準(zhǔn)確性等方面進(jìn)行打分評(píng)測(cè)，支持字、詞、句、篇章等題型，并返回準(zhǔn)確度、流暢度、完整度、聲韻調(diào)型等多維度評(píng)分。

1）發(fā)音準(zhǔn)確度：主要考查發(fā)音是否標(biāo)準(zhǔn)、清晰，是否符合目標(biāo)語(yǔ)言的發(fā)音規(guī)范。這包括元音、輔音的發(fā)音準(zhǔn)確性，以及單詞和句子的整體發(fā)音。

2）流利度：評(píng)估語(yǔ)音輸出的流暢程度，包括語(yǔ)速、停頓、重復(fù)等因素。流利度好的語(yǔ)音應(yīng)該具有自然的節(jié)奏和韻律，沒(méi)有過(guò)多的停頓或重復(fù)。

3）語(yǔ)調(diào)與韻律：考查語(yǔ)音的語(yǔ)調(diào)和韻律是否正確。語(yǔ)調(diào)包括語(yǔ)音的高低起伏變化，而韻律則包括音節(jié)、重音、節(jié)奏等因素，這些元素對(duì)于語(yǔ)音的自然度和可理解性非常重要。

4）完整度：評(píng)估語(yǔ)音是否完整，是否涵蓋了所有要求的內(nèi)容。這包括單詞、短語(yǔ)、句子等各個(gè)層級(jí)的完整性。

5）語(yǔ)音清晰度：主要考查語(yǔ)音是否清晰可辨，能否被聽(tīng)眾準(zhǔn)確理解。這與發(fā)音準(zhǔn)確性密切相關(guān)，但更側(cè)重語(yǔ)音的整體可識(shí)別性。

6）語(yǔ)法正確性：在句子和段落層級(jí)上，評(píng)估語(yǔ)音中的語(yǔ)法是否正確，包括單詞的使用、句子的結(jié)構(gòu)等方面。

系統(tǒng)評(píng)分標(biāo)準(zhǔn)具體如下所示：

總分=n=1M維度n得分×權(quán)重

系統(tǒng)評(píng)分維度具體如圖4所示。

語(yǔ)音評(píng)測(cè)的專(zhuān)業(yè)性考量對(duì)比的是和母語(yǔ)專(zhuān)家評(píng)測(cè)的一致性，業(yè)內(nèi)通用皮爾森相關(guān)系數(shù)來(lái)反映相關(guān)程度的統(tǒng)計(jì)量。皮爾森相關(guān)系數(shù)（Pearsoncorrelationco?efficient）是度量?jī)蓚€(gè)變量X和Y之間線(xiàn)性相關(guān)程度的指標(biāo)，廣泛應(yīng)用于社會(huì)科學(xué)、自然科學(xué)等多個(gè)領(lǐng)域。其范圍在-1到1之間，1表示完全相關(guān)，-1表示完全相反，0表示亂序無(wú)關(guān)，數(shù)值越大表示相關(guān)度越高。本測(cè)評(píng)系統(tǒng)在一致性上達(dá)到了0.9左右，與母語(yǔ)水平接近度較高。

4其他需考慮的問(wèn)題

4.1系統(tǒng)集成和擴(kuò)展

本系統(tǒng)在設(shè)計(jì)時(shí)考慮到其應(yīng)在不同的操作系統(tǒng)和設(shè)備上運(yùn)行，以確保更多的用戶(hù)能夠方便地訪(fǎng)問(wèn)和使用系統(tǒng)，以便用戶(hù)能夠更方便地獲取相關(guān)資源。

4.2數(shù)據(jù)安全和隱私保護(hù)

本系統(tǒng)在設(shè)計(jì)時(shí)，為了確保用戶(hù)的測(cè)試數(shù)據(jù)得到妥善保護(hù)，主要采用RSA加密算法加密賬戶(hù)信息等，對(duì)于涉及的用戶(hù)個(gè)人信息，主要采用將靜態(tài)脫敏方法進(jìn)行數(shù)據(jù)脫敏，避免數(shù)據(jù)泄露或?yàn)E用。

4.3可擴(kuò)展性和可維護(hù)性

本系統(tǒng)在設(shè)計(jì)時(shí)進(jìn)行了擴(kuò)展性和維護(hù)性考慮，以便在未來(lái)添加新的語(yǔ)種或改進(jìn)功能，確保系統(tǒng)能夠持續(xù)滿(mǎn)足用戶(hù)的需求。

5系統(tǒng)測(cè)試

測(cè)試時(shí)，選擇共200名教師用戶(hù)和學(xué)生用戶(hù)作為受眾群體，通過(guò)PC端和移動(dòng)端分別訪(fǎng)問(wèn)多語(yǔ)種自動(dòng)口語(yǔ)測(cè)評(píng)系統(tǒng)，對(duì)該系統(tǒng)所支持語(yǔ)言的單詞、句子、段落進(jìn)行朗讀測(cè)試，朗讀后，系統(tǒng)均進(jìn)行了相應(yīng)打分，同時(shí)請(qǐng)專(zhuān)業(yè)語(yǔ)言教師對(duì)朗讀錄音進(jìn)行打分，經(jīng)過(guò)比對(duì)機(jī)器打分與人工打分的結(jié)果，所打分?jǐn)?shù)平均不超過(guò)5%，滿(mǎn)足教學(xué)和個(gè)人練習(xí)使用的需要。

5.1測(cè)試環(huán)境

測(cè)試環(huán)境如表3所示。

5.2測(cè)試結(jié)果

對(duì)英語(yǔ)、日語(yǔ)、俄語(yǔ)、德語(yǔ)、法語(yǔ)、西班牙語(yǔ)、意大利語(yǔ)、韓語(yǔ)等不同語(yǔ)種的評(píng)分結(jié)果，與人工專(zhuān)家打分結(jié)果進(jìn)行對(duì)照顯示，各語(yǔ)種的準(zhǔn)確率基本接近，其中日語(yǔ)和法語(yǔ)的準(zhǔn)確率最高，其皮爾森相關(guān)系數(shù)達(dá)到0.95，西班牙語(yǔ)的準(zhǔn)確率相對(duì)較低，皮爾森相關(guān)系數(shù)達(dá)到0.83，這主要與不同語(yǔ)種的語(yǔ)音庫(kù)豐富程度有關(guān)系；在題型方面，測(cè)評(píng)系統(tǒng)對(duì)客觀朗讀題打分較高，對(duì)主觀口語(yǔ)作文題，評(píng)測(cè)結(jié)果還有待進(jìn)一步完善，表明人工智能模型參數(shù)和準(zhǔn)確度還需進(jìn)一步提高。

5.3用戶(hù)反饋

反饋內(nèi)容主要包括如下：測(cè)試對(duì)象中教師和學(xué)生對(duì)系統(tǒng)界面的美觀度表示滿(mǎn)意，對(duì)語(yǔ)音測(cè)評(píng)功能表示基本滿(mǎn)意，建議后續(xù)完善評(píng)分反饋的詳細(xì)說(shuō)明；在友好度方面，通過(guò)PC端和移動(dòng)端訪(fǎng)問(wèn)均感覺(jué)比較方便；在評(píng)分準(zhǔn)確性方面，用戶(hù)反饋該系統(tǒng)對(duì)慢速、清晰讀的結(jié)果識(shí)別率較高、評(píng)分結(jié)果較好，對(duì)一些快速連讀、連音等情況，還達(dá)不到較好的識(shí)別率、系統(tǒng)評(píng)分較低，說(shuō)明語(yǔ)音庫(kù)還需要進(jìn)一步豐富，此處后續(xù)應(yīng)繼續(xù)完善。

6結(jié)束語(yǔ)

通過(guò)開(kāi)發(fā)及測(cè)試自動(dòng)口語(yǔ)測(cè)評(píng)系統(tǒng)，可以較好地提高外語(yǔ)教學(xué)的效率和質(zhì)量，用戶(hù)可以通過(guò)手機(jī)App以及電腦PC端等途徑進(jìn)行口語(yǔ)發(fā)音練習(xí)，滿(mǎn)足學(xué)習(xí)者進(jìn)行口語(yǔ)練習(xí)的需要。經(jīng)測(cè)試，本系統(tǒng)能夠?qū)τ⒄Z(yǔ)、日語(yǔ)、法語(yǔ)、俄語(yǔ)、德語(yǔ)、西班牙語(yǔ)、意大利語(yǔ)、韓語(yǔ)等語(yǔ)言進(jìn)行單詞、句子以及段落的讀音練習(xí)及反饋，達(dá)到預(yù)期的效果；對(duì)主觀作文等題型，在語(yǔ)法檢查方面，還有進(jìn)一步提升的空間。

未來(lái)，隨著技術(shù)的不斷進(jìn)步和應(yīng)用場(chǎng)景的不斷拓展，尤其是算力的不斷發(fā)展對(duì)系統(tǒng)的反應(yīng)速度將會(huì)有較大提高，模型的優(yōu)化和完善將使系統(tǒng)的準(zhǔn)確率進(jìn)一步完善。通過(guò)以下幾個(gè)方面措施可以使系統(tǒng)的識(shí)別準(zhǔn)確率進(jìn)一步提高：首先，通過(guò)使用高質(zhì)量的語(yǔ)音庫(kù)，確保訓(xùn)練模型使用的語(yǔ)音數(shù)據(jù)覆蓋廣泛的語(yǔ)言變體、口音、語(yǔ)速和背景噪音等，以提高對(duì)不同用戶(hù)語(yǔ)音的識(shí)別能力。其次，通過(guò)構(gòu)建強(qiáng)大的語(yǔ)法和詞匯庫(kù)，對(duì)口語(yǔ)中的語(yǔ)法錯(cuò)誤、詞匯使用不當(dāng)?shù)冗M(jìn)行準(zhǔn)確識(shí)別。再次，還可以不斷深入使用監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)，讓系統(tǒng)在不斷嘗試和反饋中優(yōu)化及評(píng)估策略，以便更準(zhǔn)確地評(píng)估口語(yǔ)表達(dá)的準(zhǔn)確性和邏輯性。在應(yīng)用場(chǎng)景方面，在后續(xù)應(yīng)用中，系統(tǒng)可應(yīng)用在課前、課中、課后等不同階段，為語(yǔ)言學(xué)習(xí)者提供更好的語(yǔ)言學(xué)習(xí)機(jī)會(huì)，提供更加精準(zhǔn)和個(gè)性化的口語(yǔ)學(xué)習(xí)體驗(yàn)。

參考文獻(xiàn)：

[1]周清揚(yáng)，信以恒，鄧祥騰，等.人工智能工具輔助下英語(yǔ)寫(xiě)作水平及創(chuàng)造力的研究[J].語(yǔ)言學(xué)，2023（2）：96-114.

[2]宋柔，李斌，王寶鑫，等“.語(yǔ)言智能”多人談[J].語(yǔ)言戰(zhàn)略研究，2023，8（4）：53-56.

[3]劉明，吳忠明，廖劍，等.大語(yǔ)言模型的教育應(yīng)用：原理、現(xiàn)狀與挑戰(zhàn)：從輕量級(jí)BERT到對(duì)話(huà)式ChatGPT[J].現(xiàn)代教育技術(shù)，2023，33（8）：19-28.

[4]肖仰華.生成式語(yǔ)言模型與通用人工智能：內(nèi)涵、路徑與啟示[J].人民論壇·學(xué)術(shù)前沿，2023（14）：49-57.

[5]郝磊，溫志強(qiáng)，王妃，等.ChatGPT類(lèi)人工智能催生的多領(lǐng)域變革與挑戰(zhàn)（筆談）[J].天津師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023（4）：8-23.

[6]張艷麗，孫中玲，張德盛，等.基于大數(shù)據(jù)的外語(yǔ)智慧教育應(yīng)用研究[J].現(xiàn)代教育技術(shù)，2017，27（12）：63-68.

[7]呂麗盼，俞理明.雙向文化教學(xué)：論外語(yǔ)教學(xué)跨文化交際能力培養(yǎng)[J].中國(guó)外語(yǔ)，2021，18（4）：62-67.

[8]連慧.新一代人工智能對(duì)高校外語(yǔ)教學(xué)的機(jī)遇、挑戰(zhàn)和應(yīng)對(duì)措施：以ChatGPT為例[J].傳播與版權(quán)，2023（17）：100-102.

[9]黃立波.大數(shù)據(jù)時(shí)代背景下的語(yǔ)言智能與外語(yǔ)教育[J].中國(guó)外語(yǔ)，2022，19（1）：4-9.

[10]吳曉如，王政.人工智能教育應(yīng)用的發(fā)展趨勢(shì)與實(shí)踐案例[J].現(xiàn)代教育技術(shù)，2018，28（2）：5-11.

【通聯(lián)編輯：王力】

基金項(xiàng)目：北京市高等教育學(xué)會(huì)2023年面上課題《人工智能技術(shù)引領(lǐng)高校智慧校園建設(shè)與應(yīng)用研究》（項(xiàng)目編號(hào)：MS2023140）