[發明專利]發音檢錯方法、裝置、電子設備和存儲介質

在審

• 申請號: 202211714461.6
• 申請日: 2022-12-29
• 公開（公告）號: CN115985342A
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 李芳足;吳奎;盛志超
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/60;G10L15/02
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 程琛

1.一種發音檢錯方法，其特征在于，包括：

獲取朗讀文本和朗讀語音；

對所述朗讀語音進行音素序列識別，得到語音音素序列；

將所述語音音素序列與所述朗讀文本的文本音素序列對齊，得到所述文本音素序列中各音素的錯讀類型概率分布；

基于所述文本音素序列、所述錯讀類型概率分布以及所述朗讀語音的語音特征，進行發音檢錯。

2.根據權利要求1所述的發音檢錯方法，其特征在于，所述基于所述文本音素序列、所述錯讀類型概率分布以及所述朗讀語音的語音特征，進行發音檢錯，包括：

基于所述文本音素序列中各音素本身，以及所述各音素的錯讀類型概率分布和所述各音素在所述文本音素序列中的位置，確定文本特征；

基于所述文本特征和所述語音特征之間的相關度，確定融合特征；

基于所述融合特征，進行發音檢錯。

3.根據權利要求2所述的發音檢錯方法，其特征在于，所述基于所述文本音素序列中各音素本身，以及所述各音素的錯讀類型概率分布和所述各音素在所述文本音素序列中的位置，確定文本特征，包括：

基于所述各音素本身，以及所述各音素的錯讀類型概率分布和所述各音素在所述文本音素序列中的位置，確定所述各音素的音素特征；

基于所述各音素的音素特征之間的相關度，進行音素特征交互，得到所述各音素的交互音素特征作為所述文本特征。

4.根據權利要求1所述的發音檢錯方法，其特征在于，所述對所述朗讀語音進行音素序列識別，得到語音音素序列，包括：

基于所述朗讀語音中各幀的聲學特征，以及所述各幀在所述朗讀語音中的位置，確定所述朗讀語音的語音特征；

對所述朗讀語音的語音特征進行音素識別和序列解碼，得到所述語音音素序列。

5.根據權利要求4所述的發音檢錯方法，其特征在于，所述基于所述朗讀語音中各幀的聲學特征，以及所述各幀在所述朗讀語音中的位置，確定所述朗讀語音的語音特征，包括：

基于所述朗讀語音中各幀的聲學特征，以及所述各幀在所述朗讀語音中的位置，確定所述各幀的基礎特征；

基于所述各幀的基礎特征之間的相關度，進行基礎特征交互，得到所述各幀的高階特征作為所述語音特征。

6.根據權利要求1所述的發音檢錯方法，其特征在于，所述將所述語音音素序列與所述朗讀文本的文本音素序列對齊，得到所述文本音素序列中各音素的錯讀類型概率分布，包括：

將各語音音素序列分別與所述文本音素序列對齊，得到分別對應各語音音素序列的音素檢錯結果；

基于所述分別對應各語音音素序列的音素檢錯結果中各音素的錯讀類型，統計得到所述文本音素序列中各音素的錯讀類型概率分布。

7.根據權利要求1至6中任一項所述的發音檢錯方法，其特征在于，所述進行發音檢錯，包括：

進行發音對錯分類、發音錯誤類型識別，以及錯讀內容診斷中的至少一種。

8.一種發音檢錯裝置，其特征在于，包括：

獲取單元，用于獲取朗讀文本和朗讀語音；

識別單元，用于對所述朗讀語音進行音素序列識別，得到語音音素序列；

對齊單元，用于將所述語音音素序列與所述朗讀文本的文本音素序列對齊，得到所述文本音素序列中各音素的錯讀類型概率分布；

檢錯單元，用于基于所述文本音素序列、所述錯讀類型概率分布以及所述朗讀語音的語音特征，進行發音檢錯。

9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至7任一項所述發音檢錯方法。

10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述發音檢錯方法。