CN114627896B 语音评测方法、装置、设备及存储介质 （标贝（北京）科技有限公司）

中关村东升科技园•北领地B-1号楼4用声学特征确定音频信号的语音帧发音为音素进而能够满足用户的多种需求，提升用户的体2利用所述声学特征确定所述音频信号的语音帧发音为音素字典中的各个音素的概率，基于方言字典，确定所述标准文本信息对应的音素，其基于所述音频信号中每个语音帧的声学特征和发音信息，将所述音根据语音帧的所述发音信息和所述对齐信息，确定所述音频信对所述音频信号进行方言分类，以获得所述音频信号的方言缩放因其中，所述确定所述音频信号相对于所述文本信息的评测结基于所述音频信号为方言语音的概率和/或所述音频信号为非方言语音的概率，确定3.如权利要求2所述方法，其中，所述基将基于所述音频信号为方言语音的概率除以所述音频信号为非方言语4.如权利要求1至3任一项所述方法，其中，所述确定根据语音帧的所述发音信息和所述对齐信息，确定所述音频信号利用如下公式计算所述音频信号中的音频句子的分数S，S=δ*(a*A+b*B+c*C)，其中δ基于所述音频信号中的音频句子的分数S确定所3定所述音频信号的语音帧发音为音素字典中的各个音素的概率，以获得语音帧的发音信将所述声学特征输入所述声学模型，以由所述声学模型输出所述基于所述标准文本信息对应的音素生成所述标准文本信息对基于所述音频信号的每个语音帧的声学特征和发音信息以及所述数据获取模块，用于获取待评测的音频信号和与所述音频信号相对应的标准文本信计算模块，用于利用所述声学特征确定所述音频信号对齐模块，用于基于所述音频信号中每个语音帧的声学特征和发音评测结果确定模块，用于根据所述语音帧的发音信息和对齐信息，确定所述装置还用于对所述音频信号进行方言分类，以获得所述音频信号的方言缩放因其中，所述评测结果确定模块确定所述音频信号相对于所述所述输入装置用于输入待评测的音频信号对应的标准文本信息，以发送给所述处理所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理9.一种存储介质，在所述存储介质上存储了程序4[0003]目前的语音评测技术大多评测的是中文的普通话语音、英文的标准英美语音5[0013]数据获取模块，用于获取待评测的音频信号和与音频信号相对应的标准文本信储有计算机程序指令，计算机程序指令被处理器运行时用于执行如上所述的语音评测方[0022]上述说明仅是本发明技术方案的概述，为了能够更清楚[0023]通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、6[0025]图2示出了根据本发明一个实施例的训练用于实现前向计算的声学模型的示意性[0026]图3示出了根据本发明一个实施例的将音频信号的语音帧和标准文本信息对应的[0029]图5示出了根据本发明一个实施例的对音频信号进行方言分类以获得音频信号的[0030]图6示出了根据本发明一个实施例的基于音频信号为方言语音的概率和/或音频[0037]图1示出了根据本发明一个实施例的语音评测方法100的示意性流程图。如图1所7先针对一个音频信号进行滤波与采样，由此减小除人体发声以外的其他频率和/或50赫兹户可以利用电子设备的输入装置(例如键盘)输入标准文本信息或者从其他电子设备或存8[0051]示例性地，强制对齐用于实现音频信号的语音帧和文本信息对应的音素的对强制对齐可以利用高斯混合模型(GaussianMixtureModel，GMM)-隐马尔可夫模型语法加权有限状态机转写器(G图)是基于标准文本信息生成的，由此无论音频信号是怎样发明一个实施例的训练用于实现前向计算的声学模型的示意性流程图。对于前述步骤S130，利用声学特征确定音频信号的语音帧发音为音素字典中的各个音素的概率以获得语的声学模型可以包括以下步骤。9模型的计算结果和方言标识确定声学模型的损失频信号的语音帧发音为音素字典中的各个音素的概率可以包括：将声学特征输入声学模[0063]图3示出了根据本发明一个实施例的将音频信号的语音帧和标准文本信息对应的音素对齐获得语音帧的对齐信息的示意性流程图。如图3所示，步骤S160可以包括以下步频信号为非方言语音时，可以利用对应的方言缩放因子对评测分数进行缩小或保持其不[0073]图5示出了根据本发明一个实施例的步骤S180对音频信号进行方言分类，以获得[0077]根据上述步骤S181获得了音频信号为方言语音的概率P1和/或音频信号为非方言例如，预设有音频信号为方言语音的概率P1与方言缩放因子的数值关系对照表。当P1为[0079]图6示出了根据本发明一个实施例的步骤S182基于音频信号为方言语音的概率[0080]步骤S182a，将基于音频信号为方言语音的概率除以音频信号为非方言语音的概[0081]根据上述步骤S181可以获得音频信号为方言语音的概率P1和音频信号为非方言[0085]示例性地，步骤S170确定音频信号相对于文本信息的评测结果可以包括以下步[0087]可以根据发音信息中每个语音帧的对应的音素的概率和对齐信息中语音帧所对[0088]流利度可以表示为每秒读了多少个正确发音的词，其体[0094]图7示出了根据本发明又一个实施例的语音评测方法的示意性流程图。如图7所音频信号的语音帧发音在音素字典中对应的各个音素的概率。这个概率可以用矩阵表示，[0096]数据获取模块810，用于获取待评测的音频信号和与音频信号相对应的标准文本[0098]计算模块830，用于利用声学特征确定音频信号的语音帧发音为音素字典中的各能模块限定的装置应当理解为主要通过说明书记载的计算机程序实现该解决方案的功能在所述程序指令被计算机或处理器运行时使得所述计算机或处理器执行本发明实施例的或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的语音评测装置中的一些模域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实