[發(fā)明專利]基于深度神經(jīng)網(wǎng)絡(luò)后驗概率算法的口語發(fā)音評測方法

在審

• 申請?zhí)枺?/td>: 201810179106.0
• 申請日: 2018-03-05
• 公開（公告）號: CN108364634A
• 公開（公告）日: 2018-08-03
• 發(fā)明（設(shè)計）人: 徐祥榮
• 申請（專利權(quán)）人: 蘇州聲通信息科技有限公司
• 主分類號: G10L15/00
• 分類號: G10L15/00;G10L15/16;G10L15/06;G10L25/51
• 代理公司: 北京商專永信知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11400
• 代理人: 邢若蘭;高之波

1.基于深度神經(jīng)網(wǎng)絡(luò)后驗概率算法的口語發(fā)音評測方法，其特征在于：包括以下步驟

a)從語音中選取一定數(shù)量的音頻，其中每個音頻的單詞數(shù)量均在一定的范圍內(nèi)；

b)計算各音頻中的每個單詞的音素的平均似然度；

c)計算各音頻中的每個單詞的音素的平均EGOP；

d)計算各音頻中的每個單詞的音素的平均時長概率；

e)分別將各音頻中的每個單詞的音素的平均似然度、音素的平均EGOP和音素的平均時長概率作為輸入項輸入到一個人工神經(jīng)網(wǎng)絡(luò)打分模型，并輸出單詞的分數(shù)。

2.根據(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)后驗概率算法的口語發(fā)音評測方法，其特征在于：選取音頻的數(shù)量不超過10000條。

3.根據(jù)權(quán)利要求2所述的基于深度神經(jīng)網(wǎng)絡(luò)后驗概率算法的口語發(fā)音評測方法，其特征在于：每個音頻的單詞數(shù)量范圍為1-20個。

4.根據(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)后驗概率算法的口語發(fā)音評測方法，其特征在于：音素的平均似然度的計算方法為：計算單詞中的各個音素的似然度，并取各個似然度的平均值為音素的平均似然度。

5.根據(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)后驗概率算法的口語發(fā)音評測方法，其特征在于：音素的平均EGOP的計算方法為：計算單詞中的各個音素的似然度和FA似然度，將兩者的差設(shè)為音素的似然差，并取各個單詞的音素的似然差的總和為音素的平均EGOP。

6.根據(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)后驗概率算法的口語發(fā)音評測方法，其特征在于：音素的平均時長概率的計算方法為：計算單詞中的各個音素的均值和方差，使每個音素均得到一個概率分布，則取任意一個時長信息在各個音素下的概率的平均值為音素的平均時長概率。

7.根據(jù)權(quán)利要求6所述的基于深度神經(jīng)網(wǎng)絡(luò)后驗概率算法的口語發(fā)音評測方法，其特征在于：該概率分布為高斯分布。

8.根據(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)后驗概率算法的口語發(fā)音評測方法，其特征在于：還包括以下步驟：

f)訓練多個人工神經(jīng)網(wǎng)絡(luò)打分模型，并分別對每條音頻進行打分。

9.根據(jù)權(quán)利要求8所述的基于深度神經(jīng)網(wǎng)絡(luò)后驗概率算法的口語發(fā)音評測方法，其特征在于：打分的精確度到單詞，并取各人工神經(jīng)網(wǎng)絡(luò)打分模型的打分的平均分作為單詞的最終分數(shù)。

10.根據(jù)權(quán)利要求9所述的基于深度神經(jīng)網(wǎng)絡(luò)后驗概率算法的口語發(fā)音評測方法，其特征在于：還包括以下步驟：

g)根據(jù)音頻的各單詞的最終分數(shù)計算出音頻的分數(shù)。