[논문]인공지능 기반 영어 발음 인식에 관한 연구

이철승; 백혜진

doi:10.13067/jkiecs.2021.16.3.519

인공지능 기반 영어 발음 인식에 관한 연구
A Study on the Recognition of English Pronunciation based on Artificial Intelligence 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.16 no.3, 2021년, pp.519 - 524

이철승 (광주여자대학교 AI융합학과) , 백혜진 (광주여자대학교 교양과정부)

초록
AI-Helper

최근 4차 산업혁명은 주요 선진국을 중심으로 세계의 국가들의 관심을 갖는 분야가 되고 있다. 4차 산업혁명 기술의 핵심기술인 인공지능기술은 다양한 분야에 융합하는 형태로 발전하고 있으며, 에듀테크 분야에도 많은 영향을 미치고 있으며 교육을 혁신적으로 변화하기 위해 많은 관심과 노력을 하고 있다. 본 논문은 DTW 음성인식 알고리즘을 이용하여 실험환경을 구축하고 다양한 원어민 데이터와 비원어민 데이터를 딥러닝 학습하고, CNN 알고리즘과의 비교를 통해 영어 발음의 유사도를 측정하여 비원어민이 원어민과 유사한 발음으로 교정할 수 있도록 연구한다.

Abstract ▼ AI-Helper

Recently, the fourth industrial revolution has become an area of interest to many countries, mainly in major advanced countries. Artificial intelligence technology, the core technology of the fourth industrial revolution, is developing in a form of convergence in various fields and has a lot of influence on the edutech field to change education innovatively. This paper builds an experimental environment using the DTW speech recognition algorithm and deep learning on various native and non-native data. Furthermore, through comparisons with CNN algorithms, we study non-native speakers to correct them with similar pronunciation to native speakers by measuring the similarity of English pronunciation.

주제어

표/그림 (6)

그림 그림 1. DTW 유사도 행렬 Fig. 1 DTW distance matrix
그림 그림 2. 깃 허브의 DTW 오픈소스 Fig. 2 DTW open source of Github
그림 그림 3. DTW 알고리즘 Fig. 3 DTW algorithm
그림 그림 4. DTW 알고리즘 적용 Fig. 4 DTW algorithm applied
그림 그림 5. 기준패턴 : Jackson(미국 원어민) / 테스트 음성 : Theo(미국 원어민) Fig. 5 Reference Pattern: Jackson (Native American speaker) / Test voice: Theo (Native American speaker)
그림 그림6. 기준패턴 : Jackson(미국 원어민) / 테스트 음성 : 비 원어민 Fig. 6 Reference Pattern: Jackson (Native American speaker) / Test voice: Non-native speaker

참고문헌 (11)

H. Jeon, H. Chung, B. Kang, and Y. Lee, "Survey of Recent Research in Education based on Artificial Intelligence," J. of the Korea Institute of Electronics and Telecommunications Trends (ETRI), vol. 36, no. 1, Feb. 2021, pp. 71-80.
T. Kim, M. Ryu, and S. Han, "Framework Research for AI Education for Elementary and Middle School Students," J. of The Korean Association of Artificial Intelligence Education, vol. 1, no. 1, 2020, pp. 31-42.
M. Cho, "A Study on the History, Classification and Development Direction of Artificial Intelligence," J. of the Korea Institute of Electronic Communication Sciences, vol. 16, no. 2, Apr. 2021, pp. 307-312.
J. Kim, "The Development and Application of the Web-based English Pronunciation Learning Material Focused on Suprasegmental Features," J. of the Ewha Education, vol. 13, 2003, pp. 443-457..
E. Kim, and W. Son, "STT, Scheduling, Automatic subtitle generation, STT post-processing, Sentence analysis," J. of the Korea Institute of Electronic Communication Sciences, vol. 16, no. 1, Feb. 2021, pp. 81-88.
S. Kim, and M. Park, " A Study on Time-series Clustering Analysis based on Dynamic Time Warping," J. of the Korean Data Analysis Society, vol. 20, no. 5, 2018, pp. 2319-2332.

상세보기
K. Heo, and D. Lim, "Noise reduction using patch-based CNN in images," J. of the Korean Data Analysis Society, vol. 20, no. 5, 2018, pp. 2319-2332.

상세보기
Y. Jeong, and G. Choi, "Efficient iris recognition using deep-learning convolution neural network(CNN)," J. of the Korean Data & Information Science Society, vol. 30, no. 2, June 2019, pp. 349-363.

상세보기
W. K. Leung, X. Liu, and H. Meng, "CNN-RNN-CTC Based End-to-end Mispronunciation Detection and Diagnosis," In Proc. IEEE Intf. Conf. Acoustics, Speech and Signal (ICASSP), Brighton, UK, May 2019.
B. Kang and O. Kwon, "DNN-based acoustic modeling for speech recognition fo native and foreign speakers," J. of the Phonetics and Speech Sciences, vol. 9, no. 2. 2017, pp. 95-101.
F. Nazir, M. N. Majeed, M. A. Ghazanfar, and M. Maqsood, "Mispronunciation Detection Using Deep Convolutional Neural Network Features and Transfer Learning-Based Model for Arabic Phonemes," J. of the IEEE Access, vol. 7, Apr. 2019, pp. 52589-52608.

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증