CN119400157A 基于人工智能的语音识别评估方法 （广州思正电子股份有限公司）

标注文本进行对比分析得到待评测的语音数据第二语音质量指数得到待评测的语音数据对应2获取用于待评测的语音数据，其中，待评测的语音数据为对待评测的语音数据进行分析得到语音流利度指数、语音清晰度指将待评测的语音数据输入到语音内容识别模型中，输出待评测的语音数据的预测文基于第一语音质量指数和第二语音质量指数得到待评测的语音数据对应的语音识别基于待评测的语音数据获取待评测的语音数据的产出总音节音节数和语料时长的比值记为待评测的语音数据的基于待评测的语音数据获取待评测的语音数据的发音时长，其中基于待评测的语音数据获取待评测的语音数据的无声停顿的次和语料时长的比值记为待评测的语音数据的无声将语速特征参数SR、发音速度特征参数AR和无声停顿率特征参数SPF代入语音流利度;基于待评测的语音数据统计待评测的语音数据中音素发音正确数M，待评测的语音数基于GOP算法识别出待评测的语音数据中音素发音正确数目A，获将语音流利度指数YYS、语音清晰度指数QXS和语音准确度指数ZQS代入第一语音3;AZ表示语音准确度参数。语音内容识别模型由编码网络f和上下文网络两部分组成，其中，编;;基于语音内容识别模型的损失函数LX对语音内容识别模型进行训练，该损失函数LX;遍历预测文本和标注文本的每个字符，统计不匹配的字符数量，则;音质量指数和第二语音质量指数得到待评测的语音数据对应的语音识别评估结果具体包将第一语音质量指数和第二语音质量指数相加，得到和值，判断和4基于第一语音质量指数和第二语音质量指数得到待评测的语音数据对应的语音[0009]进一步地，对待评测的语音数据进行分析得到语音流利度指数具体包括以下过5次数和语料时长的比值记为待评测的语音数据的无声将语速特征参数SR、发音速度特征参数AR和无声停顿率特征参数SPF代入语音流;[0010]进一步地，对待评测的语音数据进行分析得到语音清晰度指数具体包括以下过基于待评测的语音数据统计待评测的语音数据中音素发音正确数M，待评测的语[0011]进一步地，对待评测的语音数据进行分析得到语音准确度指数具体包括以下过评测的语音数据的第一语音质量指数具体包将语音流利度指数YYS、语音清晰度指数QXS和语音准确度指数ZQS代入第一;;6;基于语音内容识别模型的损失函数LX对语音内容识别模型进行训练，该损失函数LX表示如下：;其中，T为待评测的语音数据样本集合X的序列7[0022]本实施例提供了一种基于人工智能的语音识别评估方法图1是本发明实施例的第一种基于人工智能的语音识别评估方法的工作流程图，如图1所[0025]在一些实施例中，图2是本发明实施例的第二种基于人工智能的语音识别评估方无声停顿的次数和语料时长的比值记为待评测的语音数据的无声停顿率特征8;基于待评测的语音数据统计待评测的语音数据中音素发音正确数M，待评测的语。[0035]GOP的计算通常涉及观测值在给定音素条件下的后验概率，以及音素的时间边界评测的语音数据的第一语音质量指数具体包将语音流利度指数YYS、语音清晰度指数QXS和语音准确度指数ZQS代入第一9;;;基于语音内容识别模型的损失函数LX对语音内容识别模型进行训练，该损失函数LX表示如下：;其中，T为待评测的语音数据样本集合X