[發(fā)明專利]一種口語評測方法及裝置

在審

• 申請?zhí)枺?/td>: 202011208497.8
• 申請日: 2020-11-03
• 公開（公告）號: CN112331180A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計(jì)）人: 卓邦聲;吳凡;夏龍;高強(qiáng);王宏偉;郭常圳
• 申請（專利權(quán)）人: 北京猿力未來科技有限公司
• 主分類號: G10L15/01
• 分類號: G10L15/01;G10L15/08
• 代理公司: 北京智信禾專利代理有限公司 11637
• 代理人: 劉曉楠

本申請?zhí)峁┮环N口語評測方法及裝置，所述口語評測方法包括：獲取待評測音頻和所述待評測音頻對應(yīng)的評測文本；基于所述待評測音頻和所述評測文本確定所述評測文本中每個(gè)音素的屬性特征值和每個(gè)音素對應(yīng)的后驗(yàn)概率；基于所述評測文本和所述每個(gè)音素對應(yīng)的后驗(yàn)概率提取所述評測文本對應(yīng)的發(fā)音特征值；根據(jù)所述每個(gè)音素的屬性特征值和發(fā)音特征值生成每個(gè)音素對應(yīng)的特征向量；將所述每個(gè)音素對應(yīng)的特征向量輸入到口語評測模型，獲得所述口語評測模型輸出的評測結(jié)果，本申請?zhí)峁┑目谡Z評測方法，引入了每個(gè)音素對應(yīng)的發(fā)音特征值，可以準(zhǔn)確發(fā)掘當(dāng)前發(fā)音的潛在錯(cuò)誤，為口語評測模型提供了多維度的特征信息，提高了聲母韻母和聲調(diào)的判斷準(zhǔn)確率。

技術(shù)領(lǐng)域

本申請涉及語言識別技術(shù)領(lǐng)域，特別涉及一種口語評測方法及裝置、計(jì)算設(shè)備和計(jì)算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

口語測評是指給定文本和音頻，利用語音識別技術(shù)從不同維度對一個(gè)人的口語水平進(jìn)行整體評價(jià)，在口語測評領(lǐng)域中，通常根據(jù)文本-語音后的音素信息，計(jì)算文本中每個(gè)字、每個(gè)音素的發(fā)音良好度值(Goodness of Pronunciation)等特征，根據(jù)這些特征去判斷說話人的口語水平。

隨著自然語言處理(Natural Language Processing，NLP)的發(fā)展，深度神經(jīng)網(wǎng)絡(luò)模型(Deep Neural Network，DNN)可以將音頻轉(zhuǎn)換為幀級別的音素發(fā)音后驗(yàn)概率，基于此，基于神經(jīng)網(wǎng)絡(luò)的發(fā)音良好度(Neural Network-Goodness of Pronunciation，GOP-NN)定義為標(biāo)準(zhǔn)音素和后驗(yàn)概率最高的音素之間的對數(shù)音素后驗(yàn)概率比，二者的比值越接近與1，則GOP越接近于0，表示發(fā)音越好，但是現(xiàn)有技術(shù)的口語評測時(shí)，只利用了音素的對齊信息和發(fā)音良好度，并沒有利用整字的信息，同時(shí)漢語拼音會涉及到的聲調(diào)間區(qū)分度不大、聲母韻母的先天差異不適用同一個(gè)標(biāo)準(zhǔn)進(jìn)行評判的問題，會導(dǎo)致現(xiàn)有的口語評測系統(tǒng)對不同音素的判斷會有差異、聲母韻母評分差距大和聲調(diào)判別準(zhǔn)確率低的問題。

基于此，亟需一種新的口語評測方法來解決上述問題。

發(fā)明內(nèi)容

有鑒于此，本申請實(shí)施例提供了一種口語評測方法及裝置、計(jì)算設(shè)備和計(jì)算機(jī)可讀存儲介質(zhì)，以解決現(xiàn)有技術(shù)中存在的技術(shù)缺陷。

根據(jù)本申請實(shí)施例的第一方面，提供了一種口語評測方法，包括：

獲取待評測音頻和所述待評測音頻對應(yīng)的評測文本；

基于所述待評測音頻和所述評測文本確定所述評測文本中每個(gè)音素的屬性特征值和每個(gè)音素對應(yīng)的后驗(yàn)概率；

基于所述評測文本和所述每個(gè)音素對應(yīng)的后驗(yàn)概率提取所述評測文本對應(yīng)的發(fā)音特征值；

根據(jù)所述每個(gè)音素的屬性特征值和發(fā)音特征值生成每個(gè)音素對應(yīng)的特征向量；

將所述每個(gè)音素對應(yīng)的特征向量輸入到口語評測模型，獲得所述口語評測模型輸出的評測結(jié)果。

可選的，基于所述待評測音頻和所述評測文本確定所述評測文本中每個(gè)音素的屬性特征值和每個(gè)音素對應(yīng)的后驗(yàn)概率，包括：

基于所述待評測音頻和所述評測文本確定所述評測文本中每個(gè)音素的發(fā)音良好度值、發(fā)音時(shí)長和后驗(yàn)概率。

可選的，基于所述待評測音頻和所述評測文本確定所述評測文本中每個(gè)音素的發(fā)音良好度值、發(fā)音時(shí)長和后驗(yàn)概率，包括：

基于所述待評測音頻和所述評測文本確定所述評測文本中每個(gè)音素的初始發(fā)音良好度值、初始發(fā)音時(shí)長和后驗(yàn)概率；

對所述每個(gè)音素的初始發(fā)音良好度值和初始發(fā)音時(shí)長做歸一化處理，獲得所述每個(gè)音素的發(fā)音良好度值和發(fā)音時(shí)長。

可選的，基于所述待評測音頻和所述評測文本確定所述評測文本中每個(gè)音素的初始發(fā)音良好度值、初始發(fā)音時(shí)長和后驗(yàn)概率，包括：