不同于传统的口语发音评价系统，基于混合高斯模型，在说话人自动识别算法的基础上构建了用于评价口语发音好坏的文本独立口语发音自动评价系统。首先利用大量的语音信号训练一个通用背景模型，在通用背景模型的基础上基于最大后验估计生成目标分布的模型与特征。该系统利用机器去评判口语发音好坏，大大降低了人工成本，可以作为智能教育系统的一部分。　　近年来，深度学习算法利用无标签数据得到数据的层次表示已经获取了很多关注。但是理解复杂的、高维的音频数据仍然是时代极大的挑战之一。在语音相关的研究中，梅尔频率倒谱系数一直以来都是特征提取的最佳选择。而本文利用卷积受限玻尔兹曼机去训练音频数据，以深度信念网络构建特征学习的深度网络算法作为梅尔频率倒谱系数特征的替代特征，应用于口语发音自动评价系统中，学习到的特征具有更高的分辨性。　　提出了AdaboostELM分类算法，该算法利用极限学习机作为弱分类器，利用 Adaboost框架来提升极限学习机的性能。利用 AdaboostELM算法，代替SVM-GSV说话人自动识别系统中的支持向量机（ SVM）模块，构建了AdaboostELM-GSV口语发音自动评价系统。AdboostELM算法具有训练速度快，分类精度高的优点，相较于支持向量机具有更快的训练速度和相似的分类精度。　　最后基于ALZIE平台构建了一个真实可用的英语口语评价系统，该系统可以对口语发音出评价，并且具有较高的评价准确率。　　所研究的分类系统均在Linux服务器上基于大量的真实数据做了实验，结果支持了本文分析所得的结论。