[發明專利]一種用于交互式教育的語音增強方法

有效

• 申請號: 202010909658.X
• 申請日: 2020-09-02
• 公開（公告）號: CN111833897B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 楊峰;韓忠國;彭岸青;秦建明
• 申請（專利權）人: 合肥分貝工場科技有限公司
• 主分類號: G10L21/0232
• 分類號: G10L21/0232;G10L25/30;G10L15/22
• 代理公司: 合肥興東知識產權代理有限公司 34148
• 代理人: 葉曼

1.一種用于交互式教育的語音增強方法，其特征在于：包括以下步驟：

預先獲取用戶語音數據和身份信息，從所述語音數據中提取用戶的語音特征，并設定用戶身份賬戶信息，所述語音特征的提取包括：

對語音數據進行預處理，得到每個數據幀；

將所述每個數據幀由時域轉換至頻域；

利用預設尺度的三角形濾波器，對轉換至頻域的每個數據幀進行濾波；

對濾波后的每個數據幀進行離散余弦變換，得到所述語音數據的特征值；

建立用戶交互式語音應答菜單樹以及語音增強模型，所述語音增強模型通過以下方式得到：

在訓練階段，對干凈語音和帶噪語音提取從幅度譜經過函數g變化之后的特征，通過監督算法并采用最小均方誤差準則訓練DNN模型，所述最小均方誤差準則為：

其中和是經過函數g變換之后的估計和干凈語音的特征，維數都是D維，Y_n^g也是經過函數g變換之后的帶噪語音特征，W和b分別表示網絡的權重矩陣和偏置向量，W和b采用BP算法來學習，采用minibatch更新網絡的梯度，N即為minibatch的大小，λ為用來防止過擬合的規整因子；

將訓練結束時的神經網絡模型作為語音增強模型；

接受用戶的交互申請請求，根據請求數據識別用戶身份：

若識別成功則查詢并調用與所述用戶相匹配的交互式語音應答控制流程，其中交互式語音應答控制流程控制所述用戶交互式語音應答菜單樹中的播報順序，所述應答菜單樹的每一層均包括多個菜單，每一個所述菜單均映射一個業務節點；所述業務節點中包含知識點的集合，每個知識點包括標準問及對應的標準答案；

否則返回執行獲取用戶的身份信息、以及與所述用戶的身份信息相對應的語音特征的步驟；

繼續獲取用戶語音信息，將帶噪語音進行特征提取，將提取后的語音特征和用戶身份特征，進行拼接，將拼接后的組合特征輸入語音增強模型，得到語音增強處理后的語音特征；

對增強處理后的語音特征進行語義解析并定位至知識點中的標準問，并反饋標準答案。

2.根據權利要求1所述的一種用于交互式教育的語音增強方法，其特征在于：所述交互式語音應答控制流程，通過所述用戶的多個歷史交互中的用戶觸發的菜單業務的順序構建得到。

3.根據權利要求1所述的一種用于交互式教育的語音增強方法，其特征在于：所述知識點中還包括抽象語義數據庫，所述抽象語義數據庫包括多個抽象語義表達式，所述抽象語義表達式包括缺失語義成分；

根據所述抽象語義數據庫對所述標準問進行抽象語義推薦處理，當獲得與所述標準問對應的一個或多個抽象語義表達式時，從所述標準問中提取與一個或多個抽象語義表達式的缺失語義成分對應的內容，并將提取的內容填充到對應的缺失語義成分中以得到與所述標準問對應的一個或多個具體語義表達式，所述具體語義表達式作為所述標準問的擴展問。

4.根據權利要求3所述的一種用于交互式教育的語音增強方法，其特征在于，所述抽象語義推薦處理包括：

對所述標準問進行分詞處理，得到若干單詞，所述單詞為語義規則詞或非語義規則詞；

分別對每個非語義規則詞進行詞性標注處理，得到每個非語義規則詞的詞性信息；

分別對每個語義規則詞進行詞類判斷處理，得到每個語義規則詞的詞類信息；

根據所述詞性信息和詞類信息對抽象語義數據庫進行搜索處理，得到與所述標準問匹配的抽象語義表達式。

5.根據權利要求4所述的一種用于交互式教育的語音增強方法，其特征在于，所述抽象語義表達式還包括語義規則詞，與所述標準問匹配的抽象語義表達式滿足以下條件：

抽象語義表達式的缺失語義成分對應的詞性包括標準問對應的填充內容的詞性；

抽象語義表達式和標準問中對應的語義規則詞相同或屬于同一詞類；

抽象語義表達式的順序與標準問的表達順序相同。