[發明專利]語音數據的映射方法和裝置

有效

• 申請號: 201210089722.X
• 申請日: 2012-03-29
• 公開（公告）號: CN103366735A
• 公開（公告）日: 2013-10-23
• 發明（設計）人: 謝凌云;章斯宇;潘興德;韓衛生;孟子厚
• 申請（專利權）人: 北京中傳天籟數字技術有限公司
• 主分類號: G10L15/01
• 分類號: G10L15/01;G10L15/02;G10L15/10
• 代理公司: 北京億騰知識產權代理事務所 11309
• 代理人: 陳霽

1.一種語音數據的映射方法，其特征在于，所述方法包括：

采集語音發音數據，建立當地母語發音的當地母語語音數據庫、當地漢語發音的當地漢語語音數據庫，以及標準漢語發音的標準漢語語音數據庫；

利用所述當地漢語語音數據庫和標準漢語語音數據庫建立評分語音數據庫；

對所述評分語音數據庫進行分析和統計得到當地漢語發音的典型偏誤特征；并且對所述當地母語語音數據庫、當地漢語語音數據庫和評分語音數據庫中的語音數據進行分析得到專家知識數據，建立專家知識數據庫；

根據所述專家知識數據庫中的專家知識數據選擇特征向量，所述特征向量包括特征參數和所述特征參數的權重，從所述評分數據庫中進行語音參數提取；

將特征向量與評分數據之間建立評分映射關系。

2.根據權利要求1所述的語音數據的映射方法，其特征在于，所述采集語音發音數據，建立當地母語發音的當地母語語音數據庫、當地漢語發音的當地漢語語音數據庫具體包括：采集不同母語地區的不同性別和年齡段的發音數據，利用當地母語發音的數據建立當地母語語音數據庫，利用當地漢語發音的數據建立當地漢語語音數據庫。

3.根據權利要求1所述的語音數據的映射方法，其特征在于，所述利用所述當地漢語語音數據庫和標準漢語語音數據庫建立評分語音數據庫具體包括：利用所述當地漢語語音數據庫中不同性別和年齡段中具有代表性的當地漢語語音，和標準語音數據庫中對應的不同性別和年齡段的標準語音建立所述評分語音數據庫。

4.根據權利要求1所述的語音數據的映射方法，其特征在于，所述根據所述專家知識數據庫中的專家知識數據選擇特征向量具體包括，將典型偏誤特征與特征參數相關聯，針對不同的音節設置不同的特征向量；并采用單一特征去除法設置所述特征參數的權重。

5.根據權利要求4所述的語音數據的映射方法，其特征在于，所述方法還包括，對于非典型發音偏誤的音節，采用標準參數組成特征向量，對于典型發音偏誤的音節，在與所述特征參數相關聯的現行偏誤特征中，查詢到對應該音節發音偏誤的特征參數，與標準參數組成針對該音節的個性化特征向量。

6.根據權利要求1所述的語音數據的映射方法，其特征在于，所述將特征向量與評分數據之間建立評分映射關系之前還包括：

將所述標準漢語語音數據庫中不同性別和年齡段的語音數據作為標準模板，將當地漢語語音數據庫中的當地漢語發音作為測試集；

計算所述測試集與標準模板之間的語音識別失真度、基音失真度度和共振峰失真度。

7.根據權利要求6所述的語音數據的映射方法，其特征在于，所述將特征向量與評分數據之間建立評分映射關系具體包括，利用主客觀評分映射方法，建立所述語音識別失真度、基音失真度和共振峰失真度與評分之間的映射關系模型。

8.根據權利要求7所述的語音數據的映射方法，其特征在于，所述建立所述語音識別失真度、基音失真度和共振峰失真度與評分之間的映射關系模型具體包括：

對所述語音識別失真度、基音失真度和共振峰失真度進行映射，得到客觀映射分數，所述客觀映射分數包括匹配分數、基音分數和共振峰分數；

將所述匹配分數、基音分數和共振峰分數進行融合得到映射關系模型。

9.根據權利要求8所述的語音數據的映射方法，其特征在于，所述將所述匹配分數、基音分數和共振峰分數進行融合具體包括，利用線性加權法將所述匹配分數、基音分數和共振峰分數進行融合。

10.一種語音數據的映射裝置，其特征在于，所述裝置包括：

采集單元，用于采集語音發音數據，建立當地母語發音的當地母語語音數據庫、當地漢語發音的當地漢語語音數據庫，以及標準漢語發音的標準漢語語音數據庫；

第一建立單元，用于利用所述當地漢語語音數據庫和標準漢語語音數據庫建立評分語音數據庫；

分析單元，用于對所述評分語音數據庫進行分析和統計得到當地漢語發音的典型偏誤特征；

第二建立單元，用于對所述當地母語語音數據庫、當地漢語語音數據庫和評分語音數據庫中的語音數據進行分析得到專家知識數據，建立專家知識數據庫；

提取單元，用于根據所述專家知識數據庫中的專家知識數據選擇特征向量，所述特征向量包括特征參數和所述特征參數的權重，從所述評分數據庫中進行語音參數提取；

映射單元，用于將特征向量與評分數據之間建立評分映射關系。