[發(fā)明專利]遠(yuǎn)場(chǎng)拾音性能評(píng)價(jià)方法和系統(tǒng)、電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201710703506.2
• 申請(qǐng)日: 2017-08-16
• 公開（公告）號(hào): CN107403629B
• 公開（公告）日: 2020-10-09
• 發(fā)明（設(shè)計(jì)）人: 熊亨;戴天榮;蔡磊
• 申請(qǐng)（專利權(quán)）人: 歌爾股份有限公司
• 主分類號(hào): G10L25/69
• 分類號(hào): G10L25/69
• 代理公司: 北京太合九思知識(shí)產(chǎn)權(quán)代理有限公司 11610
• 代理人: 劉戈

本發(fā)明公開了遠(yuǎn)場(chǎng)拾音性能評(píng)價(jià)方法和系統(tǒng)、電子設(shè)備。通過電子設(shè)備統(tǒng)一調(diào)用多個(gè)語音識(shí)別引擎對(duì)拾音設(shè)備分別進(jìn)行語音拾取的音頻文件進(jìn)行語音識(shí)別，得到與多個(gè)語音識(shí)別引擎對(duì)應(yīng)的識(shí)別正確率，進(jìn)而根據(jù)所述音頻文件的多個(gè)識(shí)別正確率和對(duì)所述拾音設(shè)備的拾音性能進(jìn)行評(píng)價(jià)，因此本發(fā)明所述系統(tǒng)可以實(shí)現(xiàn)對(duì)遠(yuǎn)場(chǎng)拾音系統(tǒng)中用于聲音拾取的拾音設(shè)備的拾音性能進(jìn)行客觀、正確地測(cè)試評(píng)價(jià)。

技術(shù)領(lǐng)域

本發(fā)明涉及語音識(shí)別技術(shù)領(lǐng)域，尤其涉及一種遠(yuǎn)場(chǎng)拾音性能評(píng)價(jià)方法和系統(tǒng)、電子設(shè)備。

背景技術(shù)

通常，評(píng)價(jià)一個(gè)遠(yuǎn)場(chǎng)拾音結(jié)果的好壞主要取決于拾音系統(tǒng)所采集的拾音效果。目前，對(duì)拾音效果的評(píng)價(jià)分為主觀評(píng)價(jià)和客觀評(píng)價(jià)兩種方式。

其中，在主觀評(píng)價(jià)的方式中，通過播放一段干凈的未失真的語音信號(hào)，經(jīng)過拾音系統(tǒng)拾取之后，在接收端讓一組人員去聽，然后給出一個(gè)1-5分的拾音效果評(píng)分，所有受試人員的平均分，作為最終的拾音效果評(píng)分，采用這種方法的缺點(diǎn)是：耗時(shí)、費(fèi)力、且對(duì)受試人員的要求較高。

常用的客觀評(píng)價(jià)方法有：感知話音質(zhì)量測(cè)量法(Perceptual Speech QualityMeasure，簡(jiǎn)稱PSQM)，感知分析測(cè)度系統(tǒng)法(Perceptual Analysis Measurement System，簡(jiǎn)稱PAMS)，感知話音質(zhì)量評(píng)估法(Perceptual Evaluation of Speech Quality，簡(jiǎn)稱PESQ)等。這些客觀評(píng)價(jià)測(cè)試方法和測(cè)試儀器都是應(yīng)用于端到端的通信拾音效果測(cè)量的，測(cè)試儀通過模擬電話接口來測(cè)試端到端的網(wǎng)關(guān)之間的拾音效果，存在的缺點(diǎn)是：只能應(yīng)用于具有電接口(比如網(wǎng)關(guān)、或者模擬音頻接口)的語音系統(tǒng)或設(shè)備，而不能應(yīng)用于遠(yuǎn)場(chǎng)拾音效果的正確測(cè)試評(píng)價(jià)，也不能對(duì)遠(yuǎn)場(chǎng)拾音系統(tǒng)中用于聲音拾取的音響設(shè)備的拾音性能進(jìn)行正確測(cè)試評(píng)價(jià)。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提供一種遠(yuǎn)場(chǎng)拾音性能評(píng)價(jià)方法和系統(tǒng)、電子設(shè)備，可以對(duì)遠(yuǎn)場(chǎng)拾音效果進(jìn)行正確測(cè)試評(píng)價(jià)，還可以用于對(duì)音響拾音性能進(jìn)行客觀正確的測(cè)試評(píng)價(jià)。

本發(fā)明提供一種遠(yuǎn)場(chǎng)拾音性能評(píng)價(jià)方法，包括：

在預(yù)設(shè)的環(huán)境信息下，獲取拾音設(shè)備對(duì)語音播放的原始文本文件進(jìn)行語音拾取得到音頻文件；

通過多個(gè)語音識(shí)別引擎分別對(duì)所述音頻文件進(jìn)行語音識(shí)別，得到所述音頻文件的多個(gè)識(shí)別正確率；

根據(jù)所述音頻文件的多個(gè)識(shí)別正確率對(duì)所述拾音設(shè)備的拾音性能進(jìn)行評(píng)價(jià)。

可選地，通過多個(gè)語音識(shí)別引擎分別對(duì)所述音頻文件進(jìn)行語音識(shí)別，得到所述音頻文件的多個(gè)識(shí)別正確率，包括：

通過多個(gè)語音識(shí)別引擎分別對(duì)所述音頻文件進(jìn)行語音識(shí)別，分別得到與所述多個(gè)語音識(shí)別引擎一一對(duì)應(yīng)的多個(gè)識(shí)別后的文本文件；

將所述多個(gè)識(shí)別后的文本文件分別與所述原始文本文件進(jìn)行對(duì)比，分別確定所述音頻文件的多個(gè)識(shí)別正確率。

可選地，根據(jù)所述音頻文件的多個(gè)識(shí)別正確率對(duì)所述拾音設(shè)備的拾音性能進(jìn)行評(píng)價(jià)，包括：

根據(jù)所述音頻文件的多個(gè)識(shí)別正確率，計(jì)算所述音頻文件的平均識(shí)別正確率；

根據(jù)所述音頻文件的平均識(shí)別正確率，評(píng)價(jià)所述拾音設(shè)備的拾音性能。

可選地，若所述預(yù)設(shè)的環(huán)境信息包括多個(gè)環(huán)境信息，則拾音得到與各個(gè)環(huán)境信息一一對(duì)應(yīng)的音頻文件，進(jìn)一步地，所述音頻文件的平均識(shí)別正確率與其對(duì)應(yīng)的環(huán)境信息對(duì)應(yīng)。

可選地，所述的遠(yuǎn)場(chǎng)拾音性能評(píng)價(jià)方法還包括：

根據(jù)所述音頻文件的平均識(shí)別正確率以及對(duì)應(yīng)的環(huán)境信息，評(píng)價(jià)在不同環(huán)境信息下所述拾音設(shè)備的拾音性能。

可選地，所述的遠(yuǎn)場(chǎng)拾音性能評(píng)價(jià)方法還包括：