语句韵律结构信息在语音合成与语音识别中非常重要。在语音合成中,自然度与可懂度是两个重要的指标,当前可懂度已经达标,但是自然度还是不够,这是因为计算机无法准确的对语句信息中的韵律进行识别。在语音识别中,要实现人机自然交流,让计算机能够读懂人的语言,并精确辨别语句含义或说话人,从而将说话人语句转换为机器语言,并按照语句含义进行准确操作,这就需要计算机能够准确识别语句中的语音停顿并对语句进行自动划分。所以,语句的韵律信息非常具有研究意义,而韵律是一个感知概念,语音中包含的韵律信息比文本更加准确。所以本文从声学角度出发,直接从语音中提取声学特征参数,对韵律短语边界处的声学特征参数进行分析,并基于所得的声学特征构建模型,实现基于语音的语音韵律停顿识别。本文主要工作有以下三部分:(1)文本处理及音频特征提取对文本语料进行分词,通过分词去除不可能存在的韵律边界,基于汉字—拼音字典将分词后的语句转换为其对应的拼音串。基于语音语料,获取声学参数,如:语音短时能量、短时幅度、短时过零率、基频、质心、谱熵、信息熵、语音声母韵母等音节时长等,提取其相关波形曲线或数据。(2)语音韵律边界处的声学表现分析基于上述声学特征的相关波形曲线或数据,对语音停顿处的声学表现进行初步分析;然后基于声学特征参数的组合或转换,对汉语语音韵律边界处的各种声学表现进行进一步的分析。(3)基于声学特征的语音停顿识别首先根据韵律边界处的声学表现,构建候选声学特征集,然后通过特征选择选择合适的声学特征构建特征模板;最后利用支持向量机模型实现韵律停顿的自动识别,并对实验结果进行分析。