[發明專利]標準發音生成方法及相關裝置

有效

• 申請號: 202011039390.5
• 申請日: 2020-09-28
• 公開（公告）號: CN111930900B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 汪光璟;楊嵩;李成飛
• 申請（專利權）人: 北京世紀好未來教育科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06K9/62;G06N3/04;G10L13/04;G10L13/08;G10L15/02;G10L15/26
• 代理公司: 上海知錦知識產權代理事務所(特殊普通合伙) 31327
• 代理人: 李麗

本發明實施例提供了一種標準發音生成方法及相關裝置，標準發音生成方法包括：獲取標準文本和所述標準文本對應的用戶音頻；根據所述標準文本獲取各個標準文本特征向量，根據所述用戶音頻獲取各個用戶音頻幀特征向量，并根據各個所述用戶音頻幀特征向量和預定的各個基準身份特征向量獲取所述用戶的各個用戶聲學特征向量；將相互對應的所述用戶聲學特征向量和所述標準文本特征向量進行融合，得到各個融合特征向量；根據各個融合特征向量獲取對應所述標準文本的標準發音。本發明實施例所提供的標準發音生成方法及相關裝置，可以生成具有準確用戶特征的標準發音，以提高用戶語言學習的效率。

技術領域

本發明實施例涉及計算機領域，尤其涉及一種標準發音生成方法及相關裝置。

背景技術

隨著計算機技術和互聯網技術的發展，用戶可以利用語言教學系統進行語言的學習和發音矯正。

首先用戶根據給定的文本進行發音，然后語言教學系統對用戶的發音進行識別和評估，輸出評估結果，同時還會給出一段對應給定文本的標準發音音頻，用戶可以根據標準發音音頻進行跟讀，以糾正自己的發音。

然而，通過上述方式進行語言學習時，語言教學系統中的標準發音大多是采用人工錄制或者借助語言合成模型生成的方式獲取，對于人工錄制的方式，由于語言學習文本豐富多樣且數量巨大，人工錄制的成本非常高，而且隨著教學內容的更新，需要重新錄制標準發音，時間成本也高；對于語音合成的方式，現有的語言合成模型，只能合成固定說話人音色的標準音頻，無法根據當前用戶進行改變，而由于每個人的發音特點、音調以及音域的不同，用戶基于標準發音的模仿效果不好，在一定程度上影響了學習效率和學習體驗。

為此，如何生成具有準確用戶特征的標準發音，以提高用戶語言學習的效率就成為亟需解決的技術問題。

發明內容

本發明實施例提供一種標準發音生成方法及相關裝置，可以生成具有準確用戶特征的標準發音，以提高用戶語言學習的效率。

為解決上述問題，本發明實施例提供一種標準發音生成方法，包括：

獲取標準文本和所述標準文本對應的用戶音頻；

根據所述標準文本獲取各個標準文本特征向量，根據所述用戶音頻獲取各個用戶音頻幀特征向量，并根據各個所述用戶音頻幀特征向量和預定的各個基準身份特征向量獲取所述用戶的各個用戶聲學特征向量；

將相互對應的所述用戶聲學特征向量和所述標準文本特征向量進行融合，得到各個融合特征向量；

根據各個融合特征向量獲取對應所述標準文本的標準發音。

為解決上述問題，本發明實施例提供一種標準發音生成裝置，包括：

標準文本和用戶音頻獲取單元，適于獲取標準文本和所述標準文本對應的用戶音頻；

特征向量獲取單元，適于根據所述標準文本獲取各個標準文本特征向量，根據所述用戶音頻獲取各個用戶音頻幀特征向量，并根據各個所述用戶音頻幀特征向量和預定的各個基準身份特征向量獲取所述用戶的各個用戶聲學特征向量；

融合特征向量獲取單元，適于將相互對應的所述用戶聲學特征向量和所述標準文本特征向量進行融合，得到各個融合特征向量；

標準發音獲取單元，根據各個融合特征向量獲取對應所述標準文本的標準發音。

為解決上述問題，本發明實施例提供一種存儲介質，所述存儲介質存儲有適于標準發音生成的程序，以實現如前述任一項所述的標準發音生成方法。

為解決上述問題，本發明實施例提供一種設備，包括至少一個存儲器和至少一個處理器；所述存儲器存儲有程序，所述處理器調用所述程序，以執行如前述任一項所述的標準發音生成方法。

與現有技術相比，本發明的技術方案具有以下優點：