[發(fā)明專利]對象的口語評測方法和裝置、存儲介質(zhì)和電子裝置

在審

• 申請?zhí)枺?/td>: 202010871713.0
• 申請日: 2020-08-26
• 公開（公告）號: CN111986680A
• 公開（公告）日: 2020-11-24
• 發(fā)明（設(shè)計）人: 余浩;徐燦;魯文斌
• 申請（專利權(quán)）人: 天津洪恩完美未來教育科技有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L21/0208;G10L25/60
• 代理公司: 北京華夏泰和知識產(chǎn)權(quán)代理有限公司 11662
• 代理人: 劉曉燕

1.一種對象的口語評測方法，其特征在于，包括：

獲取目標(biāo)對象的目標(biāo)聲紋特征和待評測語音數(shù)據(jù)的第一語音特征，其中，所述待評測語音數(shù)據(jù)為對所述目標(biāo)對象進(jìn)行口語評測所使用的語音數(shù)據(jù)；

根據(jù)所述目標(biāo)聲紋特征和所述第一語音特征，確定所述待評測語音數(shù)據(jù)中所述目標(biāo)對象的目標(biāo)語音邊界；

按照所述目標(biāo)語音邊界，從所述待評測語音數(shù)據(jù)中獲取屬于所述目標(biāo)對象的第一語音數(shù)據(jù)；

使用所述第一語音數(shù)據(jù)對所述目標(biāo)對象進(jìn)行口語評測，得到所述目標(biāo)對象的目標(biāo)評測結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取目標(biāo)對象的目標(biāo)聲紋特征和待評測語音數(shù)據(jù)的第一語音特征包括：

從聲紋庫中提取出所述目標(biāo)對象的所述目標(biāo)聲紋特征，其中，所述聲紋庫中保存有多個對象的聲紋特征，所述多個對象包括所述目標(biāo)對象；

提取所述待評測語音數(shù)據(jù)的語音特征，得到所述第一語音特征。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述從聲紋庫中提取出所述目標(biāo)對象的所述目標(biāo)聲紋特征之前，所述方法還包括：

通過所述目標(biāo)對象的客戶端顯示注冊提示信息，其中，注冊提示信息用于提示所述目標(biāo)對象注冊聲紋；

接收所述客戶端返回的第二語音數(shù)據(jù)，其中，所述第二語音數(shù)據(jù)為所述目標(biāo)對象響應(yīng)所述注冊提示信息所輸入的語音數(shù)據(jù)；

提取所述第二語音數(shù)據(jù)的聲紋特征，得到所述目標(biāo)聲紋特征；

將所述目標(biāo)聲紋特征保存到所述聲紋庫中。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述目標(biāo)聲紋特征和所述第一語音特征，確定所述待評測語音數(shù)據(jù)中所述目標(biāo)對象的目標(biāo)語音邊界包括：

將所述目標(biāo)聲紋特征和所述第一語音特征輸入到目標(biāo)聲音活動檢測模型，得到所述目標(biāo)聲音活動檢測模型輸出的所述目標(biāo)語音邊界，其中，所述目標(biāo)聲音活動檢測模型是使用訓(xùn)練對象的聲紋特征和訓(xùn)練語音數(shù)據(jù)的語音特征對初始聲音活動檢測模型進(jìn)行訓(xùn)練得到的，所述訓(xùn)練語音數(shù)據(jù)為標(biāo)注了所述訓(xùn)練對象的語音邊界的語音數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述將所述目標(biāo)聲紋特征和所述第一語音特征輸入到目標(biāo)聲音活動檢測模型，得到所述目標(biāo)聲音活動檢測模型輸出的所述目標(biāo)語音邊界包括：

將所述目標(biāo)聲紋特征和所述第一語音特征輸入到所述目標(biāo)聲音活動檢測模型，得到所述目標(biāo)聲音活動檢測模型確定的、所述待評測語音數(shù)據(jù)中的每個語音幀屬于所述目標(biāo)對象的概率；

確定所述待評測語音數(shù)據(jù)中屬于所述目標(biāo)對象的第一語音幀，其中，所述第一語音幀為所述待評測語音數(shù)據(jù)中屬于所述目標(biāo)對象的概率大于或者等于目標(biāo)概率閾值的語音幀；

根據(jù)所述第一語音幀，輸出所述待評測語音數(shù)據(jù)中所述目標(biāo)對象的所述目標(biāo)語音邊界。

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，在所述根據(jù)所述目標(biāo)聲紋特征和所述第一語音特征，確定所述待評測語音數(shù)據(jù)中所述目標(biāo)對象的目標(biāo)語音邊界之前，所述方法還包括：

獲取所述訓(xùn)練對象的聲紋特征和所述訓(xùn)練語音數(shù)據(jù)的語音特征；

根據(jù)所述訓(xùn)練語音數(shù)據(jù)中所述訓(xùn)練對象的語音邊界，確定第二語音幀和第三語音幀，其中，所述第二語音幀為所述訓(xùn)練語音數(shù)據(jù)中屬于所述訓(xùn)練對象的語音幀，所述第三語音幀為所述訓(xùn)練語音數(shù)據(jù)中除了所述第二語音幀以外的其他語音幀；

將所述訓(xùn)練對象的聲紋特征和所述訓(xùn)練語音數(shù)據(jù)的語音特征輸入到所述初始聲音活動檢測模型，得到所述初始聲音活動檢測模型輸出的、所述訓(xùn)練語音數(shù)據(jù)中的每個語音幀屬于所述訓(xùn)練對象的概率；

調(diào)整所述初始聲音活動檢測模型的模型參數(shù)，得到所述目標(biāo)聲音活動檢測模型，其中，所述目標(biāo)聲音活動檢測模型輸出的所述第二語音幀屬于所述訓(xùn)練對象的概率大于或者等于目標(biāo)概率閾值、且所述第三語音幀屬于所述訓(xùn)練對象的概率小于所述目標(biāo)概率閾值。