[發(fā)明專利]語音數(shù)據(jù)庫的質(zhì)量評估方法、裝置及計算機存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010164556.X
• 申請日: 2020-03-11
• 公開（公告）號: CN111008299B
• 公開（公告）日: 2020-06-19
• 發(fā)明（設(shè)計）人: 張衛(wèi)強;李科;黃宇凱;郝玉峰;曹瓊
• 申請（專利權(quán)）人: 北京海天瑞聲科技股份有限公司;清華大學
• 主分類號: G06F16/65
• 分類號: G06F16/65;G06F16/63
• 代理公司: 北京鉦霖知識產(chǎn)權(quán)代理有限公司 11722
• 代理人: 李英艷;李志新

本發(fā)明涉及語音信號處理技術(shù)領(lǐng)域，提供一種語音數(shù)據(jù)庫的質(zhì)量評估方法、裝置及計算機存儲介質(zhì)。語音數(shù)據(jù)庫的質(zhì)量評估方法包括：獲取待評估的語音數(shù)據(jù)庫，其中，語音數(shù)據(jù)庫中包括至少一條語音；確定語音數(shù)據(jù)庫中至少涉及一種分類因素，分類因素中包括多個子類因素；基于分類因素，通過分類模型對每條語音進行分類檢測，得到語音數(shù)據(jù)庫與分類因素相對應的單因素信息熵；根據(jù)單因素信息熵，確定語音數(shù)據(jù)庫的質(zhì)量。通過本公開提供的語音數(shù)據(jù)庫的質(zhì)量評估方法，根據(jù)檢測語音數(shù)據(jù)庫涉及的分類因素，對語音數(shù)據(jù)庫進行質(zhì)量評估，能夠快速得到評估結(jié)論，且得到的評估結(jié)論更具有客觀性，有助于對語音數(shù)據(jù)庫的構(gòu)建進行調(diào)節(jié)。

技術(shù)領(lǐng)域

本發(fā)明一般地涉及語音信號處理技術(shù)領(lǐng)域，特別是涉及一種語音數(shù)據(jù)庫的質(zhì)量評估方法、裝置及計算機存儲介質(zhì)。

背景技術(shù)

語音數(shù)據(jù)庫是語音信號處理的基礎(chǔ)資源，其數(shù)量和質(zhì)量直接決定了所構(gòu)建語音處理模型的優(yōu)劣。在語音數(shù)據(jù)庫構(gòu)建時，一個重要的考量是覆蓋性。覆蓋性是指語音數(shù)據(jù)庫針對分類因素的覆蓋程度。例如：發(fā)音人的性別、語種、語音內(nèi)容等因素。

傳統(tǒng)獲取語音數(shù)據(jù)庫的覆蓋性是依靠語音數(shù)據(jù)庫設(shè)計階段的專家經(jīng)驗，在制訂采集計劃時使語音數(shù)據(jù)庫中的語音在各種分類因素上分布盡量全面。但是對于已經(jīng)采集完成的數(shù)據(jù)庫，只有在語音信號處理建模后才能根據(jù)識別率等指標得到間接反饋。這使得對語音數(shù)據(jù)庫的評價停留在主觀和間接客觀的層面。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中存在的上述問題，本發(fā)明提供一種語音數(shù)據(jù)庫的質(zhì)量評估方法、裝置及計算機存儲介質(zhì)。

第一方面，本發(fā)明實施例提供一種語音數(shù)據(jù)庫的質(zhì)量評估方法，包括：獲取待評估的語音數(shù)據(jù)庫，其中，語音數(shù)據(jù)庫中包括至少一條語音；確定語音數(shù)據(jù)庫中至少一種分類因素，分類因素中包括多個子類因素；基于分類因素，通過分類模型對每條語音進行分類檢測，得到語音數(shù)據(jù)庫與分類因素相對應的單因素信息熵；根據(jù)單因素信息熵，確定語音數(shù)據(jù)庫的質(zhì)量。

在一實施例中，基于分類因素，通過分類模型對每條語音進行分類檢測，得到語音數(shù)據(jù)庫與分類因素相對應的單因素信息熵，包括：基于分類因素，通過分類模型對每條語音進行分類檢測，得到語音數(shù)據(jù)庫中各語音與分類因素中多個子類因素相對應的子類條件概率；基于子類條件概率，得到語音數(shù)據(jù)庫與分類因素相對應的單因素信息熵。

在另一實施例中，基于子類條件概率，得到語音數(shù)據(jù)庫與分類因素相對應的單因素信息熵，包括：根據(jù)子類條件概率，得到語音數(shù)據(jù)庫在子類因素下的子類平均條件概率；根據(jù)語音數(shù)據(jù)庫的子類平均條件概率，得到語音數(shù)據(jù)庫與分類因素相對應的單因素信息熵。

在一實施例中，根據(jù)單因素信息熵，確定語音數(shù)據(jù)庫的質(zhì)量，包括：將單因素信息熵進行歸一化，得到語音數(shù)據(jù)庫在分類因素下的歸一化信息熵；根據(jù)各分類因素對應的歸一化信息熵，得到語音數(shù)據(jù)庫的信息熵；根據(jù)語音數(shù)據(jù)庫的信息熵，確定語音數(shù)據(jù)庫的質(zhì)量。

在另一實施例中，根據(jù)語音數(shù)據(jù)庫的信息熵，評估語音數(shù)據(jù)庫的質(zhì)量，包括：將語音數(shù)據(jù)庫的信息熵與指定閾值進行對比，當語音數(shù)據(jù)庫的信息熵大于或等于指定閾值時，則語音數(shù)據(jù)庫的質(zhì)量合格；當語音數(shù)據(jù)庫的信息熵小于指定閾值時，則語音數(shù)據(jù)庫的質(zhì)量不合格。

在又一實施例中，若語音數(shù)據(jù)庫的質(zhì)量不合格，則語音數(shù)據(jù)庫的質(zhì)量評估方法還包括：調(diào)節(jié)語音數(shù)據(jù)庫的語音，直至語音數(shù)據(jù)庫的信息熵大于或等于指定閾值。

在又一實施例中，調(diào)節(jié)語音數(shù)據(jù)庫的語音，直至語音數(shù)據(jù)庫的信息熵大于或等于指定閾值，包括：將分類因素對應的單因素信息熵根據(jù)熵值進行排序，確定最低熵值；根據(jù)最低熵值，確定調(diào)節(jié)因素，調(diào)節(jié)因素為最低熵值對應的分類因素；根據(jù)調(diào)節(jié)因素，調(diào)節(jié)語音數(shù)據(jù)庫中對應調(diào)節(jié)因素的語音。

在一實施例中，分類因素包括以下因素：發(fā)音者的性別、發(fā)音者的年齡、發(fā)音者的口音、采集設(shè)備、采集環(huán)境、發(fā)音因素或內(nèi)容主題。