[發(fā)明專利]一種基于發(fā)音模型的語音質(zhì)量評測方法

有效

• 申請?zhí)枺?/td>: 201010164996.1
• 申請日: 2010-04-30
• 公開（公告）號: CN101840699A
• 公開（公告）日: 2010-09-22
• 發(fā)明（設(shè)計(jì)）人: 葛鳳培;顏永紅
• 申請（專利權(quán)）人: 中國科學(xué)院聲學(xué)研究所
• 主分類號: G10L11/00
• 分類號: G10L11/00;G10L15/00;G10L15/06
• 代理公司: 北京法思騰知識產(chǎn)權(quán)代理有限公司 11318
• 代理人: 楊小蓉;高宇

1.一種基于發(fā)音模型的語音質(zhì)量評測方法，其特征在于：該方法包括發(fā)音模型的構(gòu)建步驟和語音質(zhì)量評測步驟；

其中發(fā)音模型構(gòu)建步驟包括下列子步驟：

1.1)確定發(fā)音質(zhì)量音素集；

1.2)對訓(xùn)練數(shù)據(jù)劃分發(fā)音質(zhì)量等級；

1.3)依據(jù)發(fā)音質(zhì)量等級訓(xùn)練發(fā)音模型；

語音質(zhì)量評測步驟包括下列子步驟：

2.1)提取待評測發(fā)音段的語音特征；

2.2)構(gòu)建基于所述發(fā)音模型的解碼網(wǎng)絡(luò)，進(jìn)行Viterbi解碼；

2.3)對每個(gè)音素計(jì)算基于發(fā)音模型的置信度；

2.4)根據(jù)所述置信度得出所述待評測發(fā)音段的發(fā)音質(zhì)量。

2.根據(jù)權(quán)利要求1所述的基于發(fā)音模型的語音質(zhì)量評測方法，其特征在于，所述步驟1.1)中對每個(gè)音素分為三個(gè)不同的發(fā)音質(zhì)量等級。

3.根據(jù)權(quán)利要求1所述的基于發(fā)音模型的語音質(zhì)量評測方法，其特征在于，所述步驟1.2)中訓(xùn)練數(shù)據(jù)的發(fā)音質(zhì)量等級劃分包括如下步驟：準(zhǔn)備訓(xùn)練數(shù)據(jù)的原始語音和音素標(biāo)注文本；采用Viterbi解碼算法，將原始語音和音素標(biāo)注進(jìn)行強(qiáng)制對齊，計(jì)算每個(gè)音素的后驗(yàn)概率；按照音素后驗(yàn)概率值的大小劃分發(fā)音質(zhì)量等級。

4.根據(jù)權(quán)利要求1所述的基于發(fā)音模型的語音質(zhì)量評測方法，其特征在于，所述步驟1.3)中，所述發(fā)音模型采用傳統(tǒng)隱馬爾可夫模型的框架構(gòu)建。

5.根據(jù)權(quán)利要求1所述的基于發(fā)音模型的語音質(zhì)量評測方法，其特征在于，所述步驟2.2)中搭建基于發(fā)音模型的解碼網(wǎng)絡(luò)包括如下步驟：利用發(fā)音字典將目標(biāo)文本轉(zhuǎn)換成音素串序列；對每個(gè)音素將其各個(gè)發(fā)音質(zhì)量并聯(lián)；將音素串序列轉(zhuǎn)換成各個(gè)音素質(zhì)量并聯(lián)子網(wǎng)絡(luò)的串聯(lián)宏網(wǎng)絡(luò)即獲得基于發(fā)音模型的解碼網(wǎng)絡(luò)。

6.根據(jù)權(quán)利要求1所述的基于發(fā)音模型的語音質(zhì)量評測方法，其特征在于，所述步驟2.3)中對每個(gè)音素計(jì)算基于發(fā)音模型的置信度包括如下步驟：利用步驟2.2)中Viterbi解碼獲得的音素分割點(diǎn)信息，在指定音素段間搭建音素混淆網(wǎng)絡(luò)；在音素混淆網(wǎng)絡(luò)的每條路徑上利用Viterbi算法獲得聲學(xué)似然值；計(jì)算音素后驗(yàn)概率作為發(fā)音質(zhì)量評價(jià)的依據(jù)，取目標(biāo)音素最優(yōu)質(zhì)量對應(yīng)的路徑上的聲學(xué)似然值作為所述音素后驗(yàn)概率的分子，混淆網(wǎng)絡(luò)的所有路徑上的聲學(xué)似然值的和作為所述音素后驗(yàn)概率的分母。

7.根據(jù)權(quán)利要求1所述的基于發(fā)音模型的語音質(zhì)量評測方法，其特征在于，所述步驟2.4)中采用線性預(yù)測器得出所述待評測發(fā)音段的發(fā)音質(zhì)量。