[發明專利]語音測評方法和裝置、存儲介質及電子裝置

有效

• 申請號: 201910887946.7
• 申請日: 2019-09-19
• 公開（公告）號: CN110782921B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 林炳懷;康躍騰;王麗園
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G10L25/60
• 分類號: G10L25/60;G10L25/03
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 張秀英

1.一種語音測評方法，其特征在于，包括：

獲取與預設參考文本對應的待測評語音；

確定所述待測評語音中音素的目標發音特征；

根據所述目標發音特征確定所述待測評語音中音素的目標音素準確度以及所述待測評語音的目標句子測評分值，包括：將所述目標發音特征輸入預先訓練好的目標神經網絡模型的底層，得到所述目標神經網絡模型的底層輸出的所述目標發音特征的音素準確度的概率，其中，所述概率大于第一預定閾值的音素準確度為所述目標音素準確度；根據所述目標音素準確度確定所述待測評語音中單詞的目標單詞準確度；將所述目標單詞準確度輸入到所述目標神經網絡模型的上層，得到所述目標神經網絡模型的上層輸出的所述待測評語音對應的所述目標句子測評分值；

根據所述目標音素準確度確定待糾錯音素，并確定所述待糾錯音素對應的目標字母；

輸出所述目標字母以及所述目標句子測評分值。

2.根據權利要求1所述的方法，其特征在于，在根據所述目標發音特征確定所述待測評語音中音素的目標音素準確度以及所述待測評語音的目標句子測評分值之前，所述方法還包括：

獲取訓練樣本的音素的發音特征，其中，所述訓練樣本的音素包括：預定數量的正樣本的標準音素和無標簽樣本的音素；

使用所述訓練樣本的音素的發音特征對原始神經網絡模型進行訓練，得到所述目標神經網絡模型，其中，所述訓練樣本的音素的發音特征為所述原始神經網絡模型的輸入，訓練好的所述目標神經網絡模型的底層輸出的音素準確度和所述目標神經網絡模型的上層輸出的句子測評分值擬合后的損失值滿足預定條件。

3.根據權利要求2所述的方法，其特征在于，使用所述訓練樣本的音素的發音特征對原始神經網絡模型進行訓練，得到所述目標神經網絡模型包括：

根據所述訓練樣本的音素的發音特征對所述原始神經網絡模型的底層進行訓練，并確定所述音素準確度的第一損失值；

根據所述訓練樣本的音素準確度確定所述訓練樣本的單詞準確度；

根據所述單詞準確度對所述原始神經網絡模型的上層進行訓練，并確定句子測評分值的第二損失值；

根據所述第一損失值和所述第二損失值確定所述音素準確度和句子準確度擬合后的第三損失值，在所述第三損失值的輸出值小于預設閾值時結束訓練，得到所述目標神經網絡模型。

4.根據權利要求3所述的方法，其特征在于，通過以下公式根據所述第一損失值和所述第二損失值確定所述音素準確度和所述句子準確度擬合后的第三損失值：

L＝β₁L_sent+β₂L_phone，

其中，L為所述第三損失值，L_phone為所述第一損失值，L_sent為所述第二損失值，β₁為所述句子準確度的權重，β₂為所述音素準確度的權重。

5.根據權利要求4所述的方法，其特征在于，通過以下公式確定音素準確度的第一損失值：

其中，π_p為正樣本的先驗概率，為正樣本分類成正樣本的損失期望值，為無標簽樣本分類成正樣本的損失期望值，為正樣本分類成負樣本的損失值，g為所述原始神經網絡模型的底層輸出的第j個音素的音素準確度。

6.根據權利要求4所述的方法，其特征在于，通過以下公式確定句子準確度的第二損失值：

其中，n為句子總數，score_expert(i)為預定對象對第i條句子的句子準確度打分，score_model(i)為原始神經網絡模型輸出的第i條句子的準確度打分。