[發明專利]糾音方法、糾音裝置及非瞬時性存儲介質

在審

• 申請號: 202111283587.8
• 申請日: 2021-11-01
• 公開（公告）號: CN113990351A
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 董秋思;楊曉飛
• 申請（專利權）人: 蘇州聲通信息科技有限公司
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/30;G10L25/24;G10L25/72
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 彭久云

1.一種糾音方法，包括：

獲取單詞和第一音頻數據；

基于所述單詞，對所述第一音頻數據進行發音診斷操作，以生成發音診斷結果；

其中，所述單詞的標準發音包括至少一個標準音素；

基于所述單詞，對所述第一音頻數據進行所述發音診斷操作，以生成所述發音診斷結果，包括：

基于第一聲學模型，對所述第一音頻數據與所述標準發音進行對齊操作，以得到所述標準發音中的每個標準音素在所述第一音頻數據中的時間邊界；

根據所述每個標準音素的時間邊界確定的音頻段，確定所述每個標準音素的評分；

基于第二聲學模型，對所述第一音頻數據進行識別操作，以得到解碼音素序列和所述解碼音素序列中的每個解碼音素在所述第一音頻數據中的時間邊界，其中，所述解碼音素序列包括至少一個解碼音素；

根據所述每個解碼音素的時間邊界確定的音頻段，確定所述每個解碼音素的評分；

確定所述標準發音中的各個標準音素與所述解碼音素序列中的各個解碼音素之間的對應關系；以及

基于所述對應關系、各個標準音素的評分和各個解碼音素的評分，生成所述發音診斷結果。

2.根據權利要求1所述的糾音方法，其中，確定所述標準發音中的各個標準音素與所述解碼音素序列中的各個解碼音素之間的對應關系，包括：

以音素作為編輯元素，對所述標準發音與所述解碼音素序列進行編輯距離操作，以確定所述對應關系。

3.根據權利要求2所述的糾音方法，其中，所述編輯距離操作包括音素替換操作，不同音素之間的音素替換操作的權重至少不完全相同。

4.根據權利要求1-3任一項所述的糾音方法，其中，基于所述對應關系、各個標準音素的評分和各個解碼音素的評分，生成所述發音診斷結果，包括：

響應于任一標準音素有與之對應的解碼音素，判斷所述任一標準音素的評分是否低于第一分數閾值；

響應于所述任一標準音素的評分低于所述第一分數閾值，根據所述任一標準音素的時間邊界以及對應于所述任一標準音素的解碼音素的時間邊界，計算所述任一標準音素與對應于所述任一標準音素的解碼音素之間的邊界重合度；以及

響應于所述任一標準音素與對應于所述任一標準音素的解碼音素不同且所述任一標準音素與對應于所述任一標準音素的解碼音素之間的邊界重合度不小于重合度閾值，在所述發音診斷結果中指明對于所述任一標準音素發生了誤讀情況。

5.根據權利要求4所述的糾音方法，其中，基于所述對應關系、各個標準音素的評分和各個解碼音素的評分，生成所述發音診斷結果，還包括：

判斷對應于所述任一標準音素的解碼音素的評分與所述任一標準音素的評分之差是否不小于第二分數閾值；以及

響應于對應于所述任一標準音素的解碼音素的評分與所述任一標準音素的評分之差不小于所述第二分數閾值，在所述誤讀情況中指明將所述任一標準音素誤讀成對應于所述任一標準音素的解碼音素。

6.根據權利要求4所述的糾音方法，其中，根據下述公式計算邊界重合度：

其中，BC表示所述邊界重合度，x1和y1分別表示一個標準音素的起始時間邊界和結束時間邊界，x2和y2分別表示一個解碼音素的起始時間邊界和結束時間邊界，min()為取最小值函數，max()為取最大值函數。

7.根據權利要求1-3任一項所述的糾音方法，其中，基于所述對應關系、各個標準音素的評分和各個解碼音素的評分，生成所述發音診斷結果，包括：

響應于任一標準音素無與之對應的解碼音素，在所述發音診斷結構中指明對于所述任一標準音素發生了漏讀情況。

8.根據權利要求1-3任一項所述的糾音方法，其中，基于所述對應關系、各個標準音素的評分和各個解碼音素的評分，生成所述發音診斷結果，包括：

響應于任一解碼音素無與之對應的標準音素，在所述發音診斷結果中指明發生了多讀情況。