[發明專利]特征提取方法、裝置及重音檢測的方法、裝置

有效

• 申請號: 201310488434.6
• 申請日: 2013-10-17
• 公開（公告）號: CN104575519B
• 公開（公告）日: 2018-12-25
• 發明（設計）人: 劉加;趙軍紅;袁樺;張衛強;何亮;趙峰;邵穎
• 申請（專利權）人: 清華大學;深圳市車音網科技有限公司
• 主分類號: G10L25/03
• 分類號: G10L25/03;G10L25/78;G10L15/02;G10L15/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種特征提取方法，其特征在于，包括：

依據預設的音素與聲學特征發音屬性的對應關系，通過第一分類器進行輸出所述聲學特征發音屬性的第一幀級特征向量；

依據預設的音素與元輔音發音屬性的對應關系，通過第二分類器將所述聲學特征發音屬性的第一幀級特征向量進行輸出所述元輔音發音屬性的第二幀級特征向量；

將所述聲學特征發音屬性的第一幀級特征向量或所述元輔音發音屬性的第二幀級特征向量進行映射所述幀級對應的音節級發音特征向量。

2.根據權利要求1所述的特征提取方法，其特征在于，所述依據預設的音素與聲學特征發音屬性的對應關系，通過第一分類器獲取所述聲學特征發音屬性的第一幀級特征向量，包括：

獲取語音訓練數據；

依據預設的音素對應的聲學特征發音屬性關系，將所述語音訓練數據的音素進行所述聲學特征發音屬性的強制對準，所述聲學特征發音屬性包括元音重讀發音屬性和元音非重讀發音屬性；

通過第一神經網絡將所述強制對準后的語音訓練數據的語音幀進行建立所述聲學特征發音屬性的模型；

獲取語音測試數據；

通過所述聲學特征發音屬性的模型將所述語音測試數據的語音幀進行檢測并輸出由所述聲學特征發音屬性概率組成的第一幀級特征向量。

3.根據權利要求2所述的特征提取方法，其特征在于，所述依據預設的音素與元輔音發音屬性的對應關系，通過第二分類器將所述聲學特征發音屬性的第一幀級特征向量進行輸出所述元輔音發音屬性的第二幀級特征向量，包括：

依據預設的音素與元輔音發音屬性的對應關系，將所述語音訓練數據的音素進行所述元輔音發音屬性的強制對準，所述元輔音發音屬性包括元音重音屬性、元音非重音屬性、輔音屬性；

通過第二神經網絡將所述第一發音特征向量進行建立所述元輔音發音屬性的模型；

通過所述元輔音發音屬性的模型將所述語音測試數據的語音幀進行檢測并輸出由所述元輔音發音屬性概率組成的第二幀級特征向量。

4.根據權利要求3所述的特征提取方法，其特征在于，所述將所述聲學特征發音屬性的第一幀級特征向量或所述元輔音發音屬性的第二幀級特征向量進行映射所述幀級對應的音節級發音特征向量，包括：

依據所述語音測試數據的音節信息，將所述第一幀級特征向量進行映射所述音節的音節級發音特征向量；或

將所述語音測試數據的所述第二幀級特征向量進行平均；

將平均后的所述第二幀級發音特偵向量的平均值映射為所述元輔音發音屬性概率組成的音節級發音特征向量。

5.根據權利要求4所述的特征提取方法，其特征在于，所述將所述語音測試數據的音節內的所述第二幀級特征向量進行平均，將平均后的所述第二幀級發音特偵向量的平均值映射為所述音節的第二屬性概率組成的音節級發音特征向量，包括：

獲取所述音節內的音素的時間邊界信息；

依據所述音素的時間邊界信息，將所述音節分為前輔音部分、元音部分和后輔音部分；

將所述音節內的前輔音部分的第二幀級特征向量進行平均為前輔音平均值；

將所述音節內的元音部分的第二幀級特征向量進行平均為元音平均值；

將所述音節內的后輔音部分的第二幀級特征向量進行平均為后輔音平均值；

將所述前輔音平均值、所述元音平均值和所述后輔音平均值一并映射為所述所述音節的音節級發音特征向量。

6.一種重音檢測的方法，其特征在于，包括：

接收被檢測語音數據；

通過語音識別技術獲得所述被檢測語音數據的語音識別結果；

依據所述語音識別結果將所述被檢測語音數據進行劃分音節；

通過如權利要求1-5任意項所述的特征提取方法進行獲取所述音節劃分后的被檢測語音數據的音節級發音特征向量；

通過分類器將所述被檢測語音數據的音節級發音特征向量進行檢測并輸出結果。