語音環境的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

左丘失明 厥有台語

為了解決語音環境的問題，作者簡道凡 這樣論述：

　　《春秋左氏傳》的台語新解，為漢語古今音變梳理更多可研究的素材。   　　◎《春秋左氏傳》的台語新解，打破北京話的隔閡，看古籍不再霧裡看花。 　　◎以台語（閩南語）重新訓釋《春秋左氏傳》，上窺三皇五帝時的語音環境。 　　◎九張春秋大勢手繪地圖，國君出逃、重要戰役攻伐路線一覽無遺。   　　台語（閩南語）屬漢語方言一支，自漢代以來，福建人的先祖陸續自中原地區遷徙而至，也帶來了漢語各時期的雅言（文讀）和口語（白讀），加之閩方言的地理區塊，遠離政權輪替動盪的北方，減少了語音演變的影響，因此今日的閩南語依然保留了許多上古、中古等不同時期的語音特徵，甚至可上窺三皇五帝時的語音環境。   　　本書以

杜預著注之《春秋經傳集解》為本，輔以廖修廣《華音對照現代通俗臺語辭彙》、甘為霖《台語字典》重新訓釋，揭去了北京話更為疏離上古音樣貌的隔閡，自將更貼近古籍原貌，也為漢語古今音變整理出更多可供研究的素材。   　　更多精彩內容請見 　　www.pressstore.com.tw/freereading/9789863589532.pdf

語音環境進入發燒排行的影片

台灣國小學生英語流音的感知與發音

為了解決語音環境的問題，作者趙卿妤 這樣論述：

本研究旨在探討台灣EFL（英語作為外語）學習者對於英語流音(Liquids /l/ and /r/)在不同位置上的發音表現及對於流音感知和發音方面的表現。20名參與者（5年級和6年級學生）參與本次研究實驗，朗讀並記錄下所讀的二十五個單字及五個句子。本文目標音的選字準則以流音分布的語音環境，包含音節首音、音節尾音、字首子音群及字尾子音群。兩位非英語母語英語老師參與錯誤分析和流音發音實驗。採用主觀印象主義判斷（兩名英語老師）。得出了三個發現：（a）大多數參與者的感知能力和發音能力之間並無太大關聯；（b）/ l /對學習者而言更具挑戰性；（c）參與者對於流音子音群的習得有較多的困難。教育部自國小三

年級便開設英文課程，目的在於培養學生的英文聽力以及口語能力。根據台南市教育局針對國小英語學習者所頒布的基礎二百二十單字當中，超過百分之五十(百分之五十六)由英語流音所組成。因此，重視英語發音教學進而提升英文發音的準確性，藉此增加國小學生對於英文學習的信心。

我在水裡的日子

為了解決語音環境的問題，作者渺渺 這樣論述：

博客來年度新書TOP100、誠品年度TOP100 最受矚目的新生代作家──渺渺全新創作集 用一本極度純粹的失戀書 完成那場內心尚未終結的愛戀 (((特別收錄：失物聲納計畫)))   　　你離開以後 　　我的淚水積累成海 　　起初傷心，是因為難以放下 　　後來才明白，更傷心的其實是 　　總有一天我將忘了你   　　「據說，死去的人會因為牽掛著某些事情而持續流連在世界上， 　　但記憶仍會繼續消退，甚至有一天，會連自己究竟掛心什麼都忘了。 　　如果記憶終將無可避免地消逝，那我希望…… 　　你的名字，可以是我最後一件忘記的事。」   　　渺渺用一本書

的時間，誠實剖開內心，專注寫下「失去」的各種面貌。   　　經歷過徹底的失去以後，每個平凡的日子都是活在水裡的日子。 　　因為渴望停滯在當時愛的模樣， 　　於是願意從此離不開水，上不了岸， 　　即使所有景色都充滿專屬那人的附加意義， 　　那些疼痛依然是我們最想記得的事。 　 　　渺渺以她看似甜美實則憂傷的文字，再次帶領讀者深入內心汪洋， 　　細細分辨眼淚的成分、摸索過往的紋路。   　　全書分成四輯，跳躍在散文、詩、故事的分界之間， 　　悼念逝去的關係、曾經的自我、以及許多未能完成的遺憾， 　　貼近每個耽溺在水裡、每個正在經歷想念的人。  

　　若好好記憶一切，深深想念一遍，或許就能慢慢將未完成的未來走完。   　　▎關於耽溺──我在水裡的日子： 　　想成為你的魚，並且一輩子不要知道海的藍色是什麼樣子。 　　在賴以為生的水乾涸以前，試著釐清浪費的意義。 　　將過往重新編織排練，每一篇都是寫給你的信，儘管再也不會收到回音。   　　▎關於被遺忘──末日之所以為末日： 　　我愛的人大概和他的愛人一起了。 　　那是一個暖而不燥的傍晚，熱鬧的草原，和海，海上有一艘船， 　　儘管鏡頭並沒有帶到他，但我知道他在那個令人嚮往的現場。 　　我的嚮往總是令我憂傷。   　　▎關於錯身──孤獨

者樂園： 　　我做你鞋底一灘清澈的積水，你做我後方一面刮壞的鏡子， 　　我們做彼此生命中最多管閒事的旁觀者。我們什麼都可以是，但不會是戀人。 　　若所有存在，都是無可避免的消耗，那麼悲傷也會嗎？ 　　怎麼我的眼睛不斷地消耗傷心，傷心都沒有變少？   　　▎關於安置──微小疼痛收容所： 　　蒐集12則言不及義的、欲蓋彌彰的提問， 　　將集體疼痛的脈絡攤平，空間中藏匿的字，皆來自一座又一座地獄的磚瓦。 　　提問不一定有解，但時間將因你追尋解答的迫切而變得珍貴。   　　(((特別收錄：失物聲納計畫)))   　　泅泳的日子，把失物化為聲納，探測憂

傷的邊界，卻遲遲等不到回音。 　　在水裡的每一天，渺渺仍然吃飯，刷牙，喝水，搭車，看海，走路， 　　這世界有哪裡不一樣了嗎？還是其實都一樣呢？   　　書中穿插5則由渺渺親自錄下的語音、環境音、日常聲響，試圖為失去留下另一種形體。 　　使讀者在文字之外，也能跟隨渺渺的腳步，途經她所感受的世界。   　　聲納檔案#1_Intro：每當翻開一頁新的月曆，是相同的寂寞迴圈。 　　聲納檔案#2_引力：海的聲音聽久，就不像海了。就像愛一個人太久，你便不是你了。 　　聲納檔案#3_台北：原本是象徵重逢的聲音。可後來的抵達，都只是經過。 　　聲納檔案#4_日常：每個早

晨，我們最接近戀人。 　　聲納檔案#5_傘下：願能在這樣的雨裡，訴說這些年來你缺席的故事細節。   名人推薦   　　P's│作家 　　吳子霏│新生代演員 　　彼岸的鹿│作家 　　林達陽│詩人、作家 　　知寒│作家 　　泰先生(崔聖哲)│媒體創作人 　　陳繁齊│作家 　　許瞳│新生代散文作家 　　曾貴麟│詩人 　　黃繭│文字溫室 　　愛瑪│作家 　　劉定騫│作家 　　謝凱特│寫字人 　　──沉溺推薦 好評推薦   　　如果你也有想念的人，是再也不能續的緣分，那麼收下這些沒有地址的情書

，也許會找到你所遺失的那一份。──吳子霏（新生代演員）   　　她的翅膀如花蝶般輕薄，卻也飛了好幾千里。這本書所提及的，都是她失去所有風景的坦然，被折翼後而無法復原。──彼岸的鹿（作家）   　　如果非得要為喜歡這本書找一個確切的原因，我想我的答案會是，在這些字裡行間，明明白白地讀見渺渺對於自己的誠實、盼望與滯留，讀見偶爾透過水面的光、也讀見在水裡不願被他知道的悲傷。──知寒（作家）   　　有誰上岸後的城市像座海，我們在水裡如水母般漂浮。再深一些、再窒息一些，渺渺在陽光沒有痕跡的水底，消腫的傷疤連著來不及給出的愛，散逸在無重力的日子中。──許瞳（新生代散文

作家）   　　即使眼前荒蕪一片，她仍可以從景物之中，察覺閃現一瞬的記號，憑空取出鑲金的片刻，書裡的人名代號、物件與情節，都被她的文字放入遺世之處，在她的洞察之眼，以另一種形式存在著，水的阻力庇護，舊傷得以療癒，時而閃閃流動，時而凝結成晶。──曾貴麟（詩人）   　　日劇《四重奏》裡有一段對白是這樣說的：「曾經一面哭一面吃飯的人，一定能活下去的。」而我也深信，唯有踏實地走過悲傷，才能體悟他人的疼痛，相信這本書，能讓正在乘載悲傷的人，再一次透過渺渺的字重生。──黃繭（文字溫室）   　　有沒有可能，你也害怕水，但是愛著海？或者，你先懂得馴養，才遇到你的玫瑰。當

星星死去，月亮遠離，而太陽依舊升起，你會碰見消逝對於存在的意義，那樣龐大而磅礴，你也可能只是在街角碰見自己，帶著不同於往常的表情。──愛瑪（作家）   　　在水裡的日子，意謂著曾有個人讓你見過岸上的陽光燦爛。你嚮往什麼呢？在確信自己想要的生活景色之前，也許我們都還得輪迴個幾次。折射的，是回憶，亦或幻影。想念，是氧，還是窒息。如果你現在也在水裡，那這本書與你一起。──劉定騫（作家）   　　獻給在改變中走失的戀人與自我。──謝凱特（寫字人）

使用次詞單位及遷移學習之跨語言及語音問答系統

為了解決語音環境的問題，作者李佳軒 這樣論述：

本論文研究主題涵蓋兩大前瞻性方向:語音問答系統(Spoken Question Answering)和跨語言問答系統(Cross Lingual Question Answering)，實驗語料為英文以及中文，包含語音訊號以及語音辨識轉寫(Transcription)。語音問答以英文維基百科的合成聲音以及中文維基百科的真實人聲為應用領域， 本論文蒐集建構了兩個大型問答集，提供了研究者們夠大量的高品質的資源，嘗試解決過去無法訓練複雜深層學習(Deep Learning)模型的問題。由於含有眾多語 音辨識錯誤，在標竿資料集上表現頂尖的問答系統在語音環境下表現，相較於純 文字環境下皆呈現大幅度退步

。本論文使用聲學上的次詞單位去呈現文章中的詞，藉由次詞單位可以將辨識錯誤的文字與正確轉寫的文字之間的語意做連結， 讓問答系統可以得到較為貼近正確轉寫文字的資訊，實驗結果顯示不論在中文或 英文上，次詞單位都能夠有效提升模型的表現。由於訓練深層學習的問答模型需要大量人工標注的資料，並且當前幾乎所有大型 問答資料集都是英文的，因此問答模型的發展在英文以外的語言上相當緩慢。本論文探討如何將英文資料裡的知識遷移到中文的問答模型上，亦即跨語言遷移學 習(Cross Lingual Transfer Learning)，首先，使用機器翻譯系統將英文資料集翻譯 成中文，作為額外的訓練資料，可以成功提升中文問答

模型的表現。然而，不是所有語言之間都有高品質的機器翻譯系統。本論文接著提出一個只需要詞對詞雙 語詞典作為語言資源的模型，此模型引入了生成對抗學習，透過句子編碼器與語 言鑑別器之間的對抗，句子編碼器可以將不同語言文句的表徵(Representation)投 射到共享的高維向量空間上，因此可以讓模型同時從不同語言的資料中有效率的學習。