[發明專利]發音錯誤檢測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010790901.0
• 申請日: 2020-08-07
• 公開（公告）號: CN111862960A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 葉瓏;雷延強;梁偉文
• 申請（專利權）人: 廣州視琨電子科技有限公司
• 主分類號: G10L15/08
• 分類號: G10L15/08;G10L15/02;G10L15/14;G10L15/16;G10L25/60;G10L25/93
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 朱穎;劉芳

1.一種發音錯誤檢測方法，其特征在于，包括：

根據發音文本和待檢測語音信號，獲取所述待檢測語音信號對應的第一音素狀態序列及邊界信息，所述待檢測語音信號是針對所述發音文本的語音信號，所述邊界信息用于區別所述第一音素狀態序列中各狀態對應的不同音素；

針對所述第一音素狀態序列中狀態，確定所述狀態對應的混淆音素狀態中后驗概率最大的狀態；

根據所述邊界信息及后驗概率最大的狀態，確定所述狀態所屬音素對應的目標混淆音素；

根據所述目標混淆音素，確定所述第一音素狀態序列中對應音素是否發音錯誤。

2.根據權利要求1所述的方法，其特征在于，所述確定所述狀態對應的混淆音素狀態中后驗概率最大的狀態，包括：

在所述狀態的持續時間內，遍歷所述狀態所屬音素對應的混淆音素的狀態，確定其中后驗概率最大的狀態。

3.根據權利要求1所述的方法，其特征在于，所述根據所述邊界信息及后驗概率最大的狀態，確定所述狀態所屬音素對應的目標混淆音素，包括：

根據所述邊界信息，對后驗概率最大的狀態進行分組；

根據分組中狀態，確定所述狀態所屬音素對應的目標混淆音素。

4.根據權利要求3所述的方法，其特征在于，所述根據分組中狀態，確定所述狀態所屬音素對應的目標混淆音素，包括：

若分組中狀態同屬于一音素，則確定該音素為所述狀態所屬音素對應的目標混淆音素；

若分組中狀態不同屬于一音素，則確定所述分組中后驗概率最大的狀態所屬的音素為所述狀態所屬音素對應的目標混淆音素。

5.根據權利要求1所述的方法，其特征在于，所述根據發音文本和待檢測語音信號，獲取所述待檢測語音信號對應的第一音素狀態序列及邊界信息，包括：

根據所述發音文本，構建初始WFST對齊網絡，其中，所述初始WFST對齊網絡表示所述發音文本對應的音素的可能路徑狀態圖；

根據所述待檢測語音信號和所述初始WFST對齊網絡，獲取所述待檢測語音信號對應的第一音素狀態序列及邊界信息。

6.根據權利要求5所述的方法，其特征在于，所述初始WFST對齊網絡包含詞間可選靜音音素路徑。

7.根據權利要求1至6中任一項所述的方法，其特征在于，所述根據所述目標混淆音素，確定所述第一音素狀態序列中對應音素是否發音錯誤，包括：

若所述目標混淆音素與所述第一音素狀態序列中對應音素相同，則確定所述第一音素狀態序列中對應音素發音正確；

或者，若所述目標混淆音素與所述第一音素狀態序列中對應音素不同，則確定所述第一音素狀態序列中對應音素的發音錯誤。

8.一種發音錯誤檢測裝置，其特征在于，包括：

獲取模塊，用于根據發音文本和待檢測語音信號，獲取所述待檢測語音信號對應的第一音素狀態序列及邊界信息，所述待檢測語音信號是針對所述發音文本的語音信號，所述邊界信息用于區別所述第一音素狀態序列中各狀態對應的不同音素；

第一確定模塊，用于針對所述第一音素狀態序列中狀態，確定所述狀態對應的混淆音素狀態中后驗概率最大的狀態；

第二確定模塊，用于根據所述邊界信息及后驗概率最大的狀態，確定所述狀態所屬音素對應的目標混淆音素；

比較模塊，用于根據所述目標混淆音素，確定所述第一音素狀態序列中對應音素是否發音錯誤。

9.一種電子設備，其特征在于，包括：

存儲器，用于存儲程序指令；

處理器，用于調用并執行所述存儲器中的程序指令，執行如權利要求1至7中任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有程序指令；所述程序指令被執行時，實現如權利要求1至7中任一項所述的方法。