检测单词中的音节

Question

我需要找到一种相当有效的方法来检测单词中的音节。例如，看不见-> in-vi-sib-le有一些音节化规则可以使用：V CV VC CVC CCV CCCV CVCC*其中V是元音，C是辅音。例如，发音（5个专业名词； CV-CVC-CV-V-CVC）我尝试了几种方法，其中包括使用正则表达式（仅在您要计算音节时才有用）或硬编码规则定义（被证明是效率很低的蛮力方法），最后使用了有限状态自动机（没有任何有用的结果）。我的应用程序的目的是创建给定语言的所有音节的字典。该词典稍后将用于拼写检查应用程序（使用贝叶斯分类器）和文本到语音合成。如果能在我以前的方法之外给我提示另一种解决此问题的方法，我将不胜感激。我使用Java，但是使用C / C ++，C＃，Python，Perl的任何技巧都可以为我工作。

Answer 1

阅读有关TeX解决此问题的方法，以进行连接。特别是请参见计算机作者弗兰克·梁（Frank Liang）的论文论文 “字样”。他的算法非常准确，然后针对该算法不起作用的情况提供了一个小的例外字典。

Answer 2

这是使用NLTK的解决方案：

from nltk.corpus import cmudict

d = cmudict.dict()

def nsyl(word):

  return [len(list(y for y in x if y[-1].isdigit())) for x in d[word.lower()]]