[發明專利]語音評測及語音識別方法、裝置、設備及存儲介質

在審

• 申請號: 201910496211.1
• 申請日: 2019-06-10
• 公開（公告）號: CN112151018A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 張平
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G10L15/04
• 分類號: G10L15/04;G10L15/14;G10L15/16;G10L25/51
• 代理公司: 北京展翼知識產權代理事務所(特殊普通合伙) 11452
• 代理人: 王明遠

1.一種語音評測方法，其特征在于，包括：

輸出提示信息，所述提示信息用于提示用戶發出針對測試文本的語音，所述測試文本包括一個或多個字/詞；

接收語音；

基于與所述測試文本中的字/詞對應的字/詞識別模型，對所述語音進行識別，所述字/詞識別模型用于識別語音是否與所述字/詞識別模型對應的字/詞相匹配；

基于識別結果，對所述語音進行評測。

2.根據權利要求1所述的語音評測方法，其特征在于，所述測試文本包括多個字/詞，該方法還包括：

對所述語音進行切分，以得到多個音頻片段，其中，

所述基于與所述測試文本中的字/詞對應的字/詞識別模型對所述語音進行識別的步驟包括：基于多個字/詞識別模型對每個所述音頻片段進行識別，以確定每個所述音頻片段對應的字/詞，其中，每個所述字/詞識別模型對應所述多個字/詞中的一個字/詞。

3.根據權利要求2所述的語音評測方法，其特征在于，所述字/詞識別模型為隱馬爾可夫模型，其中，所述基于多個字/詞識別模型對每個所述音頻片段進行識別以確定每個所述音頻片段對應的字/詞的步驟包括：

對每個所述音頻片段進行特征提取，以得到所述音頻片段的特征序列；

將所述特征序列分別輸入多個字/詞識別模型，以得到每個所述字/詞識別模型生成所述特征序列的概率值；

在存在概率值大于第一閾值的字/詞識別模型的情況下，將所述音頻片段識別為生成的概率值最大的字/詞識別模型所對應的字/詞。

4.根據權利要求1所述的語音評測方法，其特征在于，所述字/詞識別模型為隱馬爾可夫模型，所述測試文本包括單個字/詞，所述基于與所述測試文本中的字/詞對應的字/詞識別模型對所述語音進行識別的步驟包括：

對所述語音進行特征提取，以得到所述語音的特征序列；

將所述特征序列輸入與所述字/詞對應的字/詞識別模型，以得到所述字/詞識別模型生成所述特征序列的概率值；

在所述概率值大于第二閾值的情況下，將所述語音識別為所述字/詞。

5.根據權利要求3或4所述的語音評測方法，其特征在于，基于神經網絡進行特征提取。

6.根據權利要求1所述的語音評測方法，其特征在于，所述基于識別結果對所述語音進行評測的步驟包括：

根據識別出的語音對應的字/詞與所述測試文本中的字/詞之間的差異，對所述語音進行評測；并且/或者

根據所述字/詞識別模型輸出的所述語音和與其對應的字/詞之間的相似度，對所述語音進行評測。

7.根據權利要求1所述的語音評測方法，其特征在于，還包括：

基于特征分布模型計算所述語音和其表征的音頻特征分布之間的相似度；

根據所述特征分布模型計算得到的相似度，對所述評測結果進行調整，其中所述評測結果的高低與所述相似度的大小負相關。

8.根據權利要求7所述的語音評測方法，其特征在于，

所述特征分布模型為高斯混合模型。

9.根據權利要求1所述的語音評測方法，其特征在于，還包括：

獲取訓練數據，所述訓練數據包括多個字/詞的語音數據；

基于同一字/詞的語音數據，訓練該字/詞的字/詞識別模型。

10.根據權利要求9所述的語音評測方法，其特征在于，還包括：

基于所述多個字/詞的語音數據，訓練特征分布模型，所述特征分布模型用于表征所述多個字/詞的語音數據的音頻特征分布。

11.根據權利要求10所述的語音評測方法，其特征在于，還包括：基于所述特征分布模型，對同一字/詞的語音數據進行篩選，

其中，所述基于同一字/詞的語音數據訓練該字/詞的字/詞識別模型的步驟包括：基于篩選后的語音數據，訓練所述字/詞識別模型。