智能语音技术及应用开发 课件 单元六任务2：开发中文朗读发音评测系统

语音评测技术应用2023年2月单元六开发中文朗读发音评测系统单元六：任务2全国普通话等级考试考生人数已突破2000万。设计一个普通话等级考试系统，对中文的朗读发音进行评分和问题定位，支持字、词、句、篇章等题型，并返回准确度评分。要求实现字、词、句三种题型评测。任务场景效果演示1：任务场景效果演示2：任务场景效果演示3：任务场景目录CONTENTS1基于AI开放平台的语音评测及相关术语2实现语音评测系统开发知识目标了解语音评测的概念和流程理解语音评测的技术框架了解语音评测的开放接口使用能力目标能够描述每个步骤的功能能够描述每个步骤的具体目标能够理解流程中涉及到的专业术语思政目标感悟脚踏实地、勤恳敬业、精益求精的大国工匠精神学习爱岗敬业的社会主义核心价值观PART01基于AI开放平台的语音评测及相关术语基于AI开放平台的语音评测及相关术语基于AI开放平台的语音评测及相关术语基于AI开放平台的语音评测框架如图所示：(1)用户根据给定的文本生成语音；(2)前端产品通过「评测接口」上传音频至「语音评测引擎」；(3)引擎以「语音评测模型」为基准，通过解码计算处理得到评测结果；(4)通过「评测接口」将评测结果返回至用户。基于AI开放平台的语音评测及相关术语语音评测引擎：AI评测解码和计算的核心模块，通过语音识别(ASR)解码转译，与给定的文本强制对齐，通过不同维度的算法得出指导反馈和评测得分。后台配置系统：语音评测前，需将给定的文本拆分成独立的单词或单音/音素并存储在后台配置系统中，为语音评测引擎提供对齐标准。基于AI开放平台的语音评测及相关术语语音评测模型&训练所需语料：使用评测引擎前，需使用适量的语料离线训练形成语音评测模型，该模型是引擎进行解码计算处理的依据。DNN-HMM：深层神经网络-隐藏马尔科夫模型（DeepNeuralNetwork-HiddenMarkovModel），是目前相对流行的声学模型。基于AI开放平台的语音评测及相关术语测评维度：包括发音准确度（音素/声调）和流利度、语调、断句、完整度等。输入声音讯号：通过接口将音频文件传输至后台语音评测引擎。PART02实现语音评测系统开发实现语音评测系统开发语音评测是一种语音识别技术的一种运用，就是通过智能语音技术自动对发音水平进行评价。本实验中的语音评测能力接口是讯飞开放平台上的语音扩展服务下的语音评测，讯飞开放平台的语音评测接口通过智能语音技术自动对两类语言的发音水平进行评价:中文普通话发音和英文发音。本实验主要调用web端的接口，使用语音评测接口用于语音评测的应用及结果解析。实现语音评测系统开发语音评测案例流程实现语音评测系统开发要完成语音评测系统的设计，除了需要语音评测技术的实现外，还要设计前端页面，实现操作与展示结果的可视化，参考的工程结构如下：实现语音评测系统开发语音评测系统的工程结构实现语音评测系统开发首先登录讯飞开放平台，创建应用，获取语音评测服务接口认证信息和接口地址，然后执行如下操作。第一步：建立flaskweb框架·首先创建程序实例·然后定义路由、链接url和接收方法·定再义与路由相对应的视图函数·最后调用语音评测接口模块实现语音评测系统开发语音评测接口调用模块处理的流程（与效果图对应）如下:实现语音评测系统开发修改代码如下：实现语音评测系统开发第二步：导入语音评测接口调用模块和库，代码如下实现语音评测系统开发第三步：在speech_evaluation_app.py文件中，给出讯飞开放平台语音评测接口相关信息，代码如下：实现语音评测系统开发第四步：理解前端页面'home.html代码，并输入相关信息·前端代码文件，用于可视化语音评测过程·包括音频文件上传操作，解析后的结果输出展示·前端代码不是实验的重点部分·对‘home.html’文件代码不做具体介绍·可参看templates文件夹下的‘home.html’文件实现语音评测系统开发选择评测类别操作实现语音评测系统开发输入评测文本实现语音评测系统开发上传音频文件实现语音评测系统开发解析后的页面展示效果，部分展示内容如下：实现语音评测系统开发第五步：在speech_evaluation_app.py文件启动服务的代码如下第六步：运行命令·本地环境:右键点击‘Runspeech_evaluation_app'实现语音评测系统开发第七步：点击或复制:5000/到浏览器页面地址中实现语音评测系统开发输入评测文本