[發(fā)明專利]評(píng)價(jià)語音信號(hào)的方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810552906.2
• 申請(qǐng)日: 2018-05-31
• 公開（公告）號(hào): CN108877835A
• 公開（公告）日: 2018-11-23
• 發(fā)明（設(shè)計(jì)）人: 周武高;鐘虎林;王洪亮;羅均文
• 申請(qǐng)（專利權(quán)）人: 深圳市路通網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號(hào): G10L25/48
• 分類號(hào): G10L25/48;G10L25/51
• 代理公司: 深圳市深佳知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44285
• 代理人: 王仲凱

1.評(píng)價(jià)語音信號(hào)的方法，其特征在于，包括：

獲取原唱歌曲的語音信號(hào)；

識(shí)別出所述語音信號(hào)對(duì)應(yīng)的唱詞；

根據(jù)原唱歌曲的唱詞，對(duì)實(shí)時(shí)輸入的第一語音信號(hào)進(jìn)行評(píng)價(jià)，所述第一語音信號(hào)用于演唱對(duì)應(yīng)的原唱歌曲。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述識(shí)別出所述語音信號(hào)對(duì)應(yīng)的唱詞，包括：

對(duì)所述語音信號(hào)進(jìn)行預(yù)處理和特征提取，提取出所述語音信號(hào)對(duì)應(yīng)的聲學(xué)特征；

將所述聲學(xué)特征輸入聲學(xué)模型和語言模型，得到聲學(xué)識(shí)別結(jié)果和語言識(shí)別結(jié)果；

根據(jù)所述聲學(xué)識(shí)別結(jié)果和所述語音識(shí)別結(jié)果，輸出所述語音信號(hào)對(duì)應(yīng)的唱詞。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲取原唱歌曲的語音信號(hào)之后，所述方法還包括：

將所述語音信號(hào)轉(zhuǎn)換為對(duì)應(yīng)的音高序列；

所述根據(jù)原唱歌曲的唱詞，對(duì)實(shí)時(shí)輸入的第一語音信號(hào)進(jìn)行評(píng)價(jià)，包括：

根據(jù)原唱歌曲的音高序列和唱詞，對(duì)實(shí)時(shí)輸入的第一語音信號(hào)進(jìn)行評(píng)價(jià)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將所述語音信號(hào)轉(zhuǎn)換為對(duì)應(yīng)的音高序列，包括：

對(duì)所述語音信號(hào)做分幀加窗處理，得到每幀語音信號(hào)的時(shí)域圖譜；

依次對(duì)每幀語音信號(hào)的時(shí)域圖譜做快速傅里葉變換，得到每幀語音信號(hào)的頻域圖譜；

依次確定每個(gè)頻域圖譜中的基頻，并將所述基頻轉(zhuǎn)換為對(duì)應(yīng)的音高，得到原唱歌曲的音高序列。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在所述識(shí)別出所述語音信號(hào)對(duì)應(yīng)的唱詞之后，所述方法還包括：

依照過零率對(duì)所述語音信號(hào)進(jìn)行端點(diǎn)檢測(cè)，以識(shí)別出所述語音信號(hào)中的多個(gè)起點(diǎn)和終點(diǎn)；

根據(jù)對(duì)應(yīng)的起點(diǎn)和終點(diǎn)，對(duì)所述原唱歌曲的音高序列和唱詞進(jìn)行切分，得到對(duì)應(yīng)的多個(gè)第一音高片段和多個(gè)第一唱詞片段；

根據(jù)所述多個(gè)第一音高片段和多個(gè)第一唱詞片段，構(gòu)建原唱歌曲的切分網(wǎng)絡(luò)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)原唱歌曲的音高序列和唱詞，對(duì)實(shí)時(shí)輸入的第一語音信號(hào)進(jìn)行評(píng)價(jià)，包括：

獲取所述第一語音信號(hào)的音高序列和所述第一語音信號(hào)對(duì)應(yīng)的唱詞；

根據(jù)所述切分網(wǎng)絡(luò)，對(duì)所述第一語音信號(hào)進(jìn)行切分，得到所述第一語音信號(hào)對(duì)應(yīng)的多個(gè)第二音高片段和多個(gè)第二唱詞片段；

將所述第二音高片段和所述第二唱詞片段分別與對(duì)應(yīng)的所述第一音高片段和所述第一唱詞片段進(jìn)行對(duì)比；

根據(jù)對(duì)比結(jié)果，對(duì)實(shí)時(shí)輸入的第一語音信號(hào)進(jìn)行評(píng)價(jià)。

7.根據(jù)權(quán)利要求5或6所述的方法，其特征在于，所述依照過零率對(duì)所述語音信號(hào)進(jìn)行端點(diǎn)檢測(cè)，以識(shí)別出所述語音信號(hào)中的多個(gè)起點(diǎn)和終點(diǎn)，包括：

統(tǒng)計(jì)當(dāng)前幀中語音信號(hào)的過零率，并計(jì)算當(dāng)前幀中語音信號(hào)的幅度和；

判斷所述過零率和所述幅度和，是否至少有一個(gè)大于對(duì)應(yīng)的預(yù)設(shè)閾值；

若所述過零率和所述幅度和中的至少一個(gè)大于對(duì)應(yīng)的預(yù)設(shè)閾值時(shí)，則判斷當(dāng)前幀的持續(xù)時(shí)長是否大于第一預(yù)設(shè)時(shí)長；

若大于所述第一預(yù)設(shè)時(shí)長，則確定所述當(dāng)前幀為起點(diǎn)；

若所述過零率和所述幅度和都不大于對(duì)應(yīng)的預(yù)設(shè)閾值時(shí)，則判斷當(dāng)前幀的持續(xù)時(shí)長是否大于第二預(yù)設(shè)時(shí)長；

若大于所述第二預(yù)設(shè)時(shí)長，則確定所述當(dāng)前幀為終點(diǎn)。

8.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述在將所述聲學(xué)特征輸入聲學(xué)模型和語言模型之前，所述方法還包括：

提取原唱歌曲的語音數(shù)據(jù)，及所述語音數(shù)據(jù)中與所述聲學(xué)模型建模單元相匹配的語音特征；

統(tǒng)計(jì)所述語音特征與所述聲學(xué)模型之間的似然度；

將所述似然度通過MLLR基于詞網(wǎng)的最大似然線性回歸無監(jiān)督自適應(yīng)算法，應(yīng)用于所述聲學(xué)模型，以更新所述聲學(xué)模型。