形音匹配是指字素与音素相互转换的过程,它是语音识别、语音合成的基础。当今世界上有6900多种语言,一方面是如何以低廉的人力和合理的成本,将语音处理系统迅速移植到新的语言中。特别是,通过语音处理系统创建发音词典,如果是由语言专家手工编写的,可能会非常耗时和昂贵。另一方面,现如今已有多位研究学者采用深度学习模型提高目标语音形音匹配的准确率,由于深度学习算法的不可解释性,导致进行发音预测时得到的匹配模式比较复杂,不利于受众的学习。由于数据可视化运用计算机图形、图像、人机交互等技术,将目标语言中字素与音素之间的关系数据映射为可识别的图形,采用更加侧重人对数据、信息理解的方式进行加工处理。为此,本文首先创建了一套字素-音素匹配的可视化交互系统,将人的语言知识与计算机的高效计算相结合,消除了字素-音素匹配中的异常问题,为形音匹配规则的形成奠定了坚实的基础。其次本文提出一种基于隐马尔可夫模型时序与模式的可视分析方法对目标语言的文本信息进行抽取,根据所得结果协同形音匹配规则可视化的交互式图形对目标语言进行规则验证、修正或生成,最终形成一套完整的形音匹配规则。本文研究工作为解决语言特征分析中所面临的问题,探索了新的思路和技术手段。选取CMU Dict作为实验数据,建立一套字素-音素精准匹配的可视化系统,协助用户进行字素-音素的准确对应,并以该系统得到的数据为基础,使用隐马尔可夫模型获取到目标语言中字素在不同窗口下发音稳定性、整体字素在不同数量字素影响下的发音预测准确率,并将抽取的信息与形音匹配规则可视化图形桑基图相结合,对美式英语的规则进行验证和生成,形成一套完整的形音匹配规则体系,并对美式英语中词汇进行发音预测,词汇发音预测准确率为73%,字素发音预测准确率为91%,通过目标语言的预测结果证实方法的有效性。由于存在多种形音一体语言,故该方法具有延展性。