近年来,随着人工智能、大数据等技术的不断进步,以数据驱动为主要方法的自然语言处理得到了更加广泛的应用。本文拟利用数据驱动的办法实现西班牙语词汇的发音预测,从而实现西班牙语发音词典的快速构建。在西班牙语语音合成系统和语音识别系统中,发音词典是承载词汇发音信息的重要基础资源,发音词典的标注准确性以及规模大小将直接影响整个系统的性能。从语言类型学角度看,西班牙语属于屈折型语言,依靠词形变化体现不同的人称、时态、语态、单复数以及词性等。大量的词形变化导致发音词典难以覆盖新增词汇。利用字音转换技术实现自动标注,可有效缓解发音词典集外词缺失的问题。目前,国内外对西班牙语字音转换技术研究还比较匮乏,本文尝试研究西班牙语词汇发音规律,通过人工标注小型发音词典,采用数据驱动的字音转换技术,实现西班牙语发音词典的自动预测功能。本研究取得的主要成果如下:(1)研究西班牙语词汇的发音特点,设计制定了包含44个音素的西班牙语音素集,人工标注并检查核对,构建了一个涵盖91040词条的通用型西班牙语发音词典。(2)选取特定的西班牙语军事网站,通过直接下载词表和利用python编程进行网络爬虫和筛选,构建了一个涵盖22416词条的西班牙语军事词汇集。(3)通过研究对比不同的统计模型以及神经网络模型,提出了基于字符嵌入+循环神经网络(RNN)+连接时序分类(CTC)的端到端词汇标音模型。基于该模型完成了对西班牙语军事词汇集的发音预测,其准确率达到了91.88%。(4)基于Python组件streamlit设计了基于B/S架构的西班牙语军事词汇发音预测原型系统,用于测试所建模型的架构和预测发音功能,有助于研究成果的推广应用。综上,本研究基于神经网络模型对小型西班牙语发音词典进行建模,实现了西班牙语军事词汇的发音预测,完成了发音词典的快速构建过程。