[發明專利]一種開放式的語音評測方法和設備

有效

• 申請號: 202110132058.1
• 申請日: 2021-01-31
• 公開（公告）號: CN112908358B
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 郭偉;李軼杰;梁家恩
• 申請（專利權）人: 云知聲智能科技股份有限公司;廈門云知芯智能科技有限公司
• 主分類號: G10L25/60
• 分類號: G10L25/60;G10L15/26;G10L15/06;G10L15/16
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種開放式的語音評測方法，其特征在于，包括：

通過語音識別模塊與語音評測模塊獲取待評測的語音，并分別設置為第一語音與第二語音；

通過所述語音識別模塊對所述第一語音進行文本識別，并確定識別到的文本的置信度；

若所述置信度低于閾值，則通過所述語音評測模塊對所述文本進行拓展，得到拓展文本；所述拓展文本是基于對所述文本基于相似發音的原則進行拓展得到的；

分別確定所述文本與所述拓展文本的后驗概率；

若所述文本的后驗概率小于所述拓展文本的后驗概率，則基于所述拓展文本與所述第二語音進行GOP評測；若所述文本的后驗概率大于所述拓展文本的后驗概率，則基于所述文本與所述第二語音進行GOP評測。

2.根據權利要求1所述的方法，其特征在于，還包括：

若所述置信度高于閾值，則通過所述語音評測模塊基于所述文本與所述第二語音進行評測，得到語音發音質量的評價值。

3.根據權利要求1所述的方法，其特征在于，所述語音識別模塊包括：第一特征模塊、第一聲學模型和語言模型；其中，所述第一特征模塊的輸出端分別連接所述第一聲學模型和所述語言模型；所述第一聲學模型和所述語言模型連接；

所述第一特征模塊輸出的特征包括：MFCC特征、PLP特征、FilterBank特征；所述第一聲學模型包括：DNN、FTDNN、Transformer；所述第一聲學模型的訓練數據包括native和non-native的數據；

所述語言模型包括NGram、RNN。

4.根據權利要求1所述的方法，其特征在于，所述語音評測模塊，包括：第二特征模塊、第二聲學模型、擴展識別文本模塊、評測模塊；其中，所述第二特征模塊的輸出端連接所述第二聲學模型；所述擴展識別文本模塊連接所述語音識別模塊；所述擴展識別文本模塊、所述語音識別模塊以及所述第二聲學模型均連接所述評測模塊。

5.一種開放式的語音評測設備，其特征在于，包括：

獲取模塊，用于通過語音識別模塊與語音評測模塊獲取待評測的語音，并分別設置為第一語音與第二語音；

確定模塊，用于通過所述語音識別模塊對所述第一語音進行文本識別，并確定識別到的文本的置信度；

拓展模塊，用于若所述置信度低于閾值，則通過所述語音評測模塊對所述文本進行拓展，得到拓展文本；所述拓展文本是基于對所述文本基于相似發音的原則進行拓展得到的；

第二確定模塊，用于分別確定所述文本與所述拓展文本的后驗概率；

評測模塊，用于若所述文本的后驗概率小于所述拓展文本的后驗概率，則基于所述拓展文本與所述第二語音進行GOP評測；若所述文本的后驗概率大于所述拓展文本的后驗概率，則基于所述文本與所述第二語音進行GOP評測。

6.根據權利要求5所述的設備，其特征在于，還包括：

處理模塊，用于若所述置信度高于閾值，則通過所述語音評測模塊基于所述文本與所述第二語音進行評測，得到語音發音質量的評價值。

7.根據權利要求5所述的設備，其特征在于，所述語音識別模塊包括：第一特征模塊、第一聲學模型和語言模型；其中，所述第一特征模塊的輸出端分別連接所述第一聲學模型和所述語言模型；所述第一聲學模型和所述語言模型連接；

所述第一特征模塊輸出的特征包括：MFCC特征、PLP特征、FilterBank特征；所述第一聲學模型包括：DNN、FTDNN、Transformer；所述第一聲學模型的訓練數據包括native和non-native的數據；

所述語言模型包括NGram、RNN。

8.根據權利要求5所述的設備，其特征在于，所述語音評測模塊，包括：第二特征模塊、第二聲學模型、擴展識別文本模塊、評測模塊；其中，所述第二特征模塊的輸出端連接所述第二聲學模型；所述擴展識別文本模塊連接所述語音識別模塊；所述擴展識別文本模塊、所述語音識別模塊以及所述第二聲學模型均連接所述評測模塊。