CN109727609A - 口语发音评估方法及装置、计算机可读存储介质 - Google Patents
口语发音评估方法及装置、计算机可读存储介质 Download PDFInfo
- Publication number
- CN109727609A CN109727609A CN201910025208.1A CN201910025208A CN109727609A CN 109727609 A CN109727609 A CN 109727609A CN 201910025208 A CN201910025208 A CN 201910025208A CN 109727609 A CN109727609 A CN 109727609A
- Authority
- CN
- China
- Prior art keywords
- characteristics information
- speech
- voice characteristics
- obtains
- word
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种口语发音评估方法及装置、计算机可读存储介质,该口语发音评估方法包括:步骤S1:获取待测人员的测试语音;步骤S2:对所述测试语音进行语音特征提取,得到第一语音特征信息;步骤S3:获取所述测试语音中的每一个单词由非母语口音确定的语音特征矢量,得到第二语音特征信息,获取所述测试语音中的每一个单词由母语口音确定的语音特征矢量,得到第三语音特征信息;步骤S4:根据所述第一语音特征信息与所述第二语音特征信息的相关性、所述第一语音特征信息与所述第三语音特征信息的相关性对所述待测人员的发音水平进行评估。本发明有利于提高评估待测人员的口语水平的准确性。
Description
技术领域
本发明涉及自然语言处理技术领域,特别是一种口语发音评估方法及装置、计算机可读存储介质。
背景技术
英语口语质量评估技术不仅可以帮助英语学习者了解自身的英语口语发音水平,而且还助于发现英语口语学习中出现的问题,以改进自身英语口语发音和提高自身英语口语学习效率,然而,在目前的英语口语发音评估过程中,大都是以母语口音作为评判标准,不能准确评估待测人员的口语水平。
发明内容
有鉴于此,本发明的目的之一在于提供一种口语发音评估方法及装置、计算机可读存储介质,有利于提高评估待测人员的口语水平的准确性。
为达到上述目的,本发明的技术方案提供了一种口语发音评估方法,包括:
步骤S1:获取待测人员的测试语音;
步骤S2:对所述测试语音进行语音特征提取,得到第一语音特征信息;
步骤S3:获取所述测试语音中的每一个单词由非母语口音确定的语音特征矢量,得到第二语音特征信息,获取所述测试语音中的每一个单词由母语口音确定的语音特征矢量,得到第三语音特征信息;
步骤S4:根据所述第一语音特征信息与所述第二语音特征信息的相关性、所述第一语音特征信息与所述第三语音特征信息的相关性对所述待测人员的发音水平进行评估。
进一步地,步骤S2包括:
步骤S21:对所述测试语音进行预处理,得到若干个语音帧;
步骤S22:对每一个所述语音帧进行特征提取,得到每一个语音帧的MFCC特征参数。
进一步地,所述预处理包括:预加重、分帧、加窗处理。
进一步地,步骤S3包括:
步骤S31:从第一标准库中查询得到所述测试语音中的每一个单词由非母语口音确定的MFCC特征参数,所述第一标准库中预存储有不同单词由非母语口音确定的MFCC特征参数;
步骤S32:从第二标准库中查询得到所述测试语音中的每一个单词由母语口音确定的MFCC特征参数,所述第二标准库中预存储有不同单词由母语口音确定的MFCC特征参数。
进一步地,所述第一标准库采用以下方式得到:以单词作为最小划分单元对不同中国人录制的英文语料进行划分,得到第一训练集,采用所述第一训练集中的口语发音分别对其中的每一个单词建立模板,其中,对于每一个单词,其模板包含其语音分帧得到的每一个语音帧的MFCC特征参数;
所述第二标准库采用以下方式得到:以单词作为最小划分单元对TIMIT语料库中的英文语料进行划分,得到第二训练集,采用所述第二训练集中的口语发音分别对其中的每一个单词建立模板。
进一步地,步骤S4包括:
步骤S41:将所述第一语音特征信息与所述第二语音特征信息的相关系数与第一阈值相比较,若所述第一语音特征信息与所述第二语音特征信息的相关系数大于第一阈值,则执行步骤S42,否则,执行步骤S43;
步骤S42:按照第一方式确定所述待测人员的发音水平得分,得到第一得分;
步骤S43:将所述第一语音特征信息与所述第三语音特征信息的相关系数与第二阈值相比较,若所述第一语音特征信息与所述第三语音特征信息的相关系数大于第二阈值,则执行步骤S44,否则,执行步骤S45;
步骤S44:按照第二方式确定所述待测人员的发音水平得分,得到第二得分,所述第二得分不大于第一得分;
步骤S45:按照第三方式确定所述待测人员的发音水平得分,得到第三得分,所述第三得分小于所述第二得分。
进一步地,所述相关系数包括斯皮尔曼相关系数或肯德尔相关系数。
为实现上述目的,本发明的技术方案还提供了一种口语发音评估装置,包括:
获取模块,用于获取待测人员的测试语音;
特征提取模块,用于对所述测试语音进行语音特征提取,得到第一语音特征信息;
第一处理模块,用于获取所述测试语音中的每一个单词由非母语口音确定的语音特征矢量,得到第二语音特征信息,获取所述测试语音中的每一个单词由母语口音确定的语音特征矢量,得到第三语音特征信息;
第二处理模块,用于根据所述第一语音特征信息与所述第二语音特征信息的相关性、所述第一语音特征信息与所述第三语音特征信息的相关性对所述待测人员的发音水平进行评估。
为实现上述目的,本发明的技术方案还提供了一种口语发音评估装置,其特征在于,包括处理器以及与所述处理器耦合的存储器,其中,所述处理器用于执行存储器中的指令,实现上述口语发音评估方法。
为实现上述目的,本发明的技术方案还提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述口语发音评估方法的步骤。
本发明提供的口语发音评估方法,通过对待测人员的测试语音进行语音特征提取,得到待测人员的口音特征,并分别计算待测人员的口音特征与非母语口音特征的相关性以及与母语口音特征的相关性,再根据计算的结果综合评判待测人员的发音水平,有利于提高评估待测人员的口语水平的准确性。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1是本发明实施例提供的一种口语发音评估方法的流程图;
图2是本发明实施例提供的一种对测试语音进行预处理的示意图;
图3是本发明实施例提供的一种对语音帧进行特征提取的示意图;
图4是本发明实施例提供的一种确定待测人员的发音水平得分的流程图。
具体实施方式
以下基于实施例对本发明进行描述,但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中,详尽描述了一些特定的细节部分,为了避免混淆本发明的实质,公知的方法、过程、流程、元件并没有详细叙述。
此外,本领域普通技术人员应当理解,在此提供的附图都是为了说明的目的,并且附图不一定是按比例绘制的。
除非上下文明确要求,否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
参见图1,图1是本发明实施例提供的一种口语发音评估方法的流程图,该方法包括:
步骤S1:获取待测人员的测试语音;
例如,该测试语音可以为由麦克风采集的模拟语音信号;
步骤S2:对所述测试语音进行语音特征提取,得到第一语音特征信息,具体过程如下:
步骤S21:对所述测试语音进行预处理,得到若干个语音帧;
由于语音信号具有短时平稳性,需要对语音信号进行加窗分帧,逐帧对语音信号进行处理,具体过程如图2所示,即首先对麦克风采集的模拟语音信号进行采样量化(即将采集到的模拟语音信号转化为数字语音信号),之后进行预加重、分帧、加窗处理,得到若干个语音帧;
步骤S22:对每一个所述语音帧进行特征提取,得到每一个语音帧的MFCC特征参数;
对于处理之后的每一个语音帧进行特征提取,得到每一个语音帧的MFCC特征参数,其提取过程如图3所示,即先对语音帧进行FFT(Fast Fourier Transformation,快速傅氏变换)处理,之后进行Mel频率映射、滤波器组处理、求能量对数、离散余弦变换(DCT)得到MFCC特征参数;
步骤S3:获取所述测试语音中的每一个单词由非母语口音确定的语音特征矢量,得到第二语音特征信息,获取所述测试语音中的每一个单词由母语口音确定的语音特征矢量,得到第三语音特征信息;
本实施例中,非母语口音是由多个与待测人员相同国籍(如中国)的人录制的测试语言(如英语)语音得到的口音;
步骤S4:根据所述第一语音特征信息与所述第二语音特征信息的相关性、所述第一语音特征信息与所述第三语音特征信息的相关性对所述待测人员的发音水平进行评估。
本发明实施例提供的口语发音评估方法,通过对待测人员的测试语音进行语音特征提取,得到待测人员的口音特征,并分别计算待测人员的口音特征与非母语口音特征的相关性以及与母语口音特征的相关性,再根据计算的结果综合评判待测人员的发音水平,有利于提高评估待测人员的口语水平的准确性。
例如,英语和汉语本身存在的差异性会导致中国人难以把握英语的重音和节奏的差异,中国人英语口语发音的普遍水平与以英语为母语的发音还存在着一定的差异,通过本发明实施例中的口语发音评估方法可以对中国人的英语口语水平进行准确评估,具体过程如下:
步骤A:获取待测人员(中国人)的测试语音;
例如,可以通过麦克风采集待测人员说出的英文语句;
步骤B:对所述测试语音进行语音特征提取,得到第一语音特征信息(即待测人员的口音特征),即通过对该测试语音进行预处理,得到若干个语音帧,然后对每一个语音帧进行特征提取,得到每一个语音帧的MFCC特征参数,该第一语音特征信息包括得到的每一个语音帧的MFCC特征参数;
步骤C:获取测试语音中的每一个单词由非母语口音确定的语音特征矢量,得到第二语音特征信息,获取所述测试语音中的每一个单词由母语口音确定的语音特征矢量,得到第三语音特征信息,具体包括:
步骤S31:从第一标准库中查询得到所述测试语音中的每一个单词由非母语口音确定的MFCC特征参数,所述第一标准库中预存储有不同单词由非母语口音确定的MFCC特征参数,该第二语音特征信息包括测试语音中的每一个单词由非母语口音确定的MFCC特征参数;
步骤S32:从第二标准库中查询得到所述测试语音中的每一个单词由母语口音确定的MFCC特征参数,所述第二标准库中预存储有不同单词由母语口音确定的MFCC特征参数,该第三语音特征信息包括测试语音中的每一个单词由母语口音确定的MFCC特征参数;
其中,第一标准库和第二标准库是两种不同语音的标准库,两者建立的方式相同,不同之处在于使用的语料库不同,标准库的建立方式可以以单词为最小划分单元,也可以音素作为最小划分单元,考虑中国人的发音特点,在不同单词当中,不同音素的发音标准程度不一,本发明中采用以单词作为最小划分单元进行划分,将语料库中的语句经过端点检测拆分成孤立的单词,使用训练集中的口语发音分别对每个单词建立模板,具体实现方式可参考DTW(动态时间归整)算法和HMM(隐马尔科夫模型)算法;
具体地,在本实施例中,第一标准库可以由以非母语口语发音的语料库(即中国人英语口语发音的语料库)得到,例如,可由不同中国人录制的英语口语作为非母语英语口语语料库,其句子长短和内容参照TIMIT语料库,在建立该非母语英语口语语料库后,以单词作为最小划分单元对其中不同中国人录制的英文语料进行划分,得到第一训练集,采用所述第一训练集中的口语发音分别对其中的每一个单词建立模板,从而得到第二标准库;
该第二标准库可以由以英语为母语的语料得到,如采用TIMIT语料库,以单词作为最小划分单元对TIMIT语料库中的英文语料进行划分,得到第二训练集,采用第二训练集中的口语发音分别对其中的每一个单词建立模板,其中,对于每一个单词,其模板包含其语音分帧得到的每一个语音帧的MFCC特征参数,从而得到第二标准库;
即在本实施例中,每一个单词的模板都是由其音频进行加窗分帧之后,对得到的每一个语音帧进行特征提取得到的MFCC系数(MFCC特征参数),通常情况下,每一个单词对应多个语音帧,每一个语音帧对应一组MFCC系数,因此,一个单词对应多组MFCC系数(即每一个单词的模板包括多组MFCC系数),另外,每一个单词对应的MFCC系数可以转化成MFCC矩阵形式;
步骤D:根据所述第一语音特征信息与所述第二语音特征信息的相关系数、所述第一语音特征信息与所述第三语音特征信息的相关系数对所述待测人员的发音水平进行评估,其中,该相关系数可以是斯皮尔曼相关系数(即采用Spearman correlation相关性计算方法作为衡量标准)或肯德尔相关系数(即采用Kendall's tau等相关性计算方法作为衡量标准),例如,参见图4,该步骤可以具体包括:
步骤D1:计算所述第一语音特征信息与所述第二语音特征信息的相关系数r1,并将计算的相关系数r1与第一阈值v1相比较,若所述第一语音特征信息与所述第二语音特征信息的相关系数r1大于第一阈值v1,则执行步骤D2,否则,执行步骤D3;
步骤D2:按照第一方式确定所述待测人员的发音水平得分,得到第一得分;
步骤D3:计算所述第一语音特征信息与所述第三语音特征信息的相关系数r2,将计算的相关系数r2与第二阈值v2相比较,若所述第一语音特征信息与所述第三语音特征信息的相关系数r2大于第二阈值v2,则执行步骤D4,否则,执行步骤D5;
步骤D4:按照第二方式确定所述待测人员的发音水平得分,得到第二得分,所述第二得分不大于第一得分;
步骤D5:按照第三方式确定所述待测人员的发音水平得分,得到第三得分,所述第三得分小于所述第二得分。
其中,上述第一方式、第二方式、第三方式为确定待测人员的发音水平得分的方式,例如,第一得分、第二得分、第三得分可以均为固定值,如第一得分为90分(高评分),第二得分为85分(中评分),第三得分为60分(低评分);
另外,第一得分、第二得分、第三得分也可均为变动值,可通过映射函数进行表示,例如,记得分s=f(1/r1,v1,1/r2,v2),其中s是r1,r2,v1和v2的函数,f表示映射函数,可以是线性的也可以是非线性的,例如激活函数,或者由最小二乘法逼近的函数,另外,当r1>v1时,可令v2=0,因为当r1>v1时,可以满足高评分,不需要v2的值;
此外,v1为预设值,例如可以是通过非母语训练集计算出的相关性平均值,v2为预设值,例如可以是通过母语训练集计算出的相关性平均值。
现有的评估方法仅将待测人员的口音特征与标准语音特征(即母语口音特征)进行比较,主要根据相似度进行评分,这样做会误导学习者(待测人员)一味的模仿标准语音库中的语音来提高发音得分,而忽略了学习口语的目的是为了交流,本发明通过综合计算待测试人员的口音特征与非母语口音特征、母语口音特征的相似度(即相关性)来进行评估,重点强调口语的易懂性,更加适用于中国人英语口音的评估,能够准确检测中国人的英语口语水平,避免中国人一味模仿标准语音库,忽略了口语能力的提高,有助于帮助中国人更加高效地练习英语口语。
此外,本发明实施例还提供了一种口语发音评估装置,包括:
获取模块,用于获取待测人员的测试语音;
特征提取模块,用于对所述测试语音进行语音特征提取,得到第一语音特征信息;
第一处理模块,用于获取所述测试语音中的每一个单词由非母语口音确定的语音特征矢量,得到第二语音特征信息,获取所述测试语音中的每一个单词由母语口音确定的语音特征矢量,得到第三语音特征信息;
第二处理模块,用于根据所述第一语音特征信息与所述第二语音特征信息的相关性、所述第一语音特征信息与所述第三语音特征信息的相关性对所述待测人员的发音水平进行评估。
在一实施例中,特征提取模块包括:
分帧单元,用于对所述测试语音进行预处理,得到若干个语音帧;
特征提取单元,用于对每一个所述语音帧进行特征提取,得到每一个语音帧的MFCC特征参数。
在一实施例中,所述预处理包括:预加重、分帧、加窗处理。
在一实施例中,第一处理模块包括:
第一查询单元,用于从第一标准库中查询得到所述测试语音中的每一个单词由非母语口音确定的MFCC特征参数,所述第一标准库中预存储有不同单词由非母语口音确定的MFCC特征参数;
第二查询单元,用于从第二标准库中查询得到所述测试语音中的每一个单词由母语口音确定的MFCC特征参数,所述第二标准库中预存储有不同单词由母语口音确定的MFCC特征参数。
在一实施例中,所述第一标准库采用以下方式得到:以单词作为最小划分单元对不同中国人录制的英文语料进行划分,得到第一训练集,采用所述第一训练集中的口语发音分别对其中的每一个单词建立模板,其中,对于每一个单词,其模板包含其语音分帧得到的每一个语音帧的MFCC特征参数;
所述第二标准库采用以下方式得到:以单词作为最小划分单元对TIMIT语料库中的英文语料进行划分,得到第二训练集,采用所述第二训练集中的口语发音分别对其中的每一个单词建立模板。
在一实施例中,第二处理模块包括:
第一比较单元,用于将所述第一语音特征信息与所述第二语音特征信息的相关系数与第一阈值相比较;
第一处理单元,用于按照第一方式确定所述待测人员的发音水平得分,得到第一得分;
第二比较单元,用于将所述第一语音特征信息与所述第三语音特征信息的相关系数与第二阈值相比较;
第二处理单元,用于按照第二方式确定所述待测人员的发音水平得分,得到第二得分,所述第二得分不大于第一得分;
第三处理单元,用于按照第三方式确定所述待测人员的发音水平得分,得到第三得分,所述第三得分小于所述第二得分。
在一实施例中,所述相关系数包括斯皮尔曼相关系数或肯德尔相关系数。
此外,本发明实施例还提供了一种口语发音评估装置,包括处理器以及与所述处理器耦合的存储器,其中,所述处理器用于执行存储器中的指令,实现上述口语发音评估方法。
此外,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述口语发音评估方法的步骤。
本领域的技术人员容易理解的是,在不冲突的前提下,上述各优选方案可以自由地组合、叠加。
应当理解,上述的实施方式仅是示例性的,而非限制性的,在不偏离本发明的基本原理的情况下,本领域的技术人员可以针对上述细节做出的各种明显的或等同的修改或替换,都将包含于本发明的权利要求范围内。
Claims (10)
1.一种口语发音评估方法,其特征在于,包括:
步骤S1:获取待测人员的测试语音;
步骤S2:对所述测试语音进行语音特征提取,得到第一语音特征信息;
步骤S3:获取所述测试语音中的每一个单词由非母语口音确定的语音特征矢量,得到第二语音特征信息,获取所述测试语音中的每一个单词由母语口音确定的语音特征矢量,得到第三语音特征信息;
步骤S4:根据所述第一语音特征信息与所述第二语音特征信息的相关性、所述第一语音特征信息与所述第三语音特征信息的相关性对所述待测人员的发音水平进行评估。
2.根据权利要求1所述的方法,其特征在于,步骤S2包括:
步骤S21:对所述测试语音进行预处理,得到若干个语音帧;
步骤S22:对每一个所述语音帧进行特征提取,得到每一个语音帧的MFCC特征参数。
3.根据权利要求2所述的方法,其特征在于,所述预处理包括:预加重、分帧、加窗处理。
4.根据权利要求1所述的方法,其特征在于,步骤S3包括:
步骤S31:从第一标准库中查询得到所述测试语音中的每一个单词由非母语口音确定的MFCC特征参数,所述第一标准库中预存储有不同单词由非母语口音确定的MFCC特征参数;
步骤S32:从第二标准库中查询得到所述测试语音中的每一个单词由母语口音确定的MFCC特征参数,所述第二标准库中预存储有不同单词由母语口音确定的MFCC特征参数。
5.根据权利要求4所述的方法,其特征在于,所述第一标准库采用以下方式得到:以单词作为最小划分单元对不同中国人录制的英文语料进行划分,得到第一训练集,采用所述第一训练集中的口语发音分别对其中的每一个单词建立模板,其中,对于每一个单词,其模板包含其语音分帧得到的每一个语音帧的MFCC特征参数;
所述第二标准库采用以下方式得到:以单词作为最小划分单元对TIMIT语料库中的英文语料进行划分,得到第二训练集,采用所述第二训练集中的口语发音分别对其中的每一个单词建立模板。
6.根据权利要求1所述的方法,其特征在于,步骤S4包括:
步骤S41:将所述第一语音特征信息与所述第二语音特征信息的相关系数与第一阈值相比较,若所述第一语音特征信息与所述第二语音特征信息的相关系数大于第一阈值,则执行步骤S42,否则,执行步骤S43;
步骤S42:按照第一方式确定所述待测人员的发音水平得分,得到第一得分;
步骤S43:将所述第一语音特征信息与所述第三语音特征信息的相关系数与第二阈值相比较,若所述第一语音特征信息与所述第三语音特征信息的相关系数大于第二阈值,则执行步骤S44,否则,执行步骤S45;
步骤S44:按照第二方式确定所述待测人员的发音水平得分,得到第二得分,所述第二得分不大于第一得分;
步骤S45:按照第三方式确定所述待测人员的发音水平得分,得到第三得分,所述第三得分小于所述第二得分。
7.根据权利要求6所述的方法,其特征在于,所述相关系数包括斯皮尔曼相关系数或肯德尔相关系数。
8.一种口语发音评估装置,其特征在于,包括:
获取模块,用于获取待测人员的测试语音;
特征提取模块,用于对所述测试语音进行语音特征提取,得到第一语音特征信息;
第一处理模块,用于获取所述测试语音中的每一个单词由非母语口音确定的语音特征矢量,得到第二语音特征信息,获取所述测试语音中的每一个单词由母语口音确定的语音特征矢量,得到第三语音特征信息;
第二处理模块,用于根据所述第一语音特征信息与所述第二语音特征信息的相关性、所述第一语音特征信息与所述第三语音特征信息的相关性对所述待测人员的发音水平进行评估。
9.一种口语发音评估装置,其特征在于,包括处理器以及与所述处理器耦合的存储器,其中,所述处理器用于执行存储器中的指令,实现权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910025208.1A CN109727609B (zh) | 2019-01-11 | 2019-01-11 | 口语发音评估方法及装置、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910025208.1A CN109727609B (zh) | 2019-01-11 | 2019-01-11 | 口语发音评估方法及装置、计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109727609A true CN109727609A (zh) | 2019-05-07 |
CN109727609B CN109727609B (zh) | 2019-11-15 |
Family
ID=66299639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910025208.1A Active CN109727609B (zh) | 2019-01-11 | 2019-01-11 | 口语发音评估方法及装置、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109727609B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111599234A (zh) * | 2020-05-19 | 2020-08-28 | 黑龙江工业学院 | 一种基于声音识别的英语口语朗读自动评分系统 |
CN113035237A (zh) * | 2021-03-12 | 2021-06-25 | 平安科技(深圳)有限公司 | 语音测评方法、装置和计算机设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100145698A1 (en) * | 2008-12-01 | 2010-06-10 | Educational Testing Service | Systems and Methods for Assessment of Non-Native Spontaneous Speech |
CN103366735A (zh) * | 2012-03-29 | 2013-10-23 | 北京中传天籁数字技术有限公司 | 语音数据的映射方法和装置 |
CN104599678A (zh) * | 2013-10-30 | 2015-05-06 | 语冠信息技术(上海)有限公司 | 口语发音评价系统及方法 |
CN106531182A (zh) * | 2016-12-16 | 2017-03-22 | 上海斐讯数据通信技术有限公司 | 一种语言学习系统 |
CN108510812A (zh) * | 2018-04-13 | 2018-09-07 | 上海思依暄机器人科技股份有限公司 | 一种语言学习方法、装置及机器人 |
-
2019
- 2019-01-11 CN CN201910025208.1A patent/CN109727609B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100145698A1 (en) * | 2008-12-01 | 2010-06-10 | Educational Testing Service | Systems and Methods for Assessment of Non-Native Spontaneous Speech |
CN103366735A (zh) * | 2012-03-29 | 2013-10-23 | 北京中传天籁数字技术有限公司 | 语音数据的映射方法和装置 |
CN104599678A (zh) * | 2013-10-30 | 2015-05-06 | 语冠信息技术(上海)有限公司 | 口语发音评价系统及方法 |
CN106531182A (zh) * | 2016-12-16 | 2017-03-22 | 上海斐讯数据通信技术有限公司 | 一种语言学习系统 |
CN108510812A (zh) * | 2018-04-13 | 2018-09-07 | 上海思依暄机器人科技股份有限公司 | 一种语言学习方法、装置及机器人 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111599234A (zh) * | 2020-05-19 | 2020-08-28 | 黑龙江工业学院 | 一种基于声音识别的英语口语朗读自动评分系统 |
CN113035237A (zh) * | 2021-03-12 | 2021-06-25 | 平安科技(深圳)有限公司 | 语音测评方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109727609B (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9672816B1 (en) | Annotating maps with user-contributed pronunciations | |
CN101751919B (zh) | 一种汉语口语重音自动检测方法 | |
CN101645271B (zh) | 发音质量评估系统中的置信度快速求取方法 | |
CN106782603B (zh) | 智能语音评测方法及系统 | |
CN102214462A (zh) | 用于发音评估的方法和系统 | |
US7921014B2 (en) | System and method for supporting text-to-speech | |
US9489864B2 (en) | Systems and methods for an automated pronunciation assessment system for similar vowel pairs | |
CN109697988B (zh) | 一种语音评价方法及装置 | |
CN109377981B (zh) | 音素对齐的方法及装置 | |
CN101887725A (zh) | 一种基于音素混淆网络的音素后验概率计算方法 | |
CN105825852A (zh) | 一种英语口语朗读考试评分方法 | |
CN108648527B (zh) | 一种英语发音匹配纠正方法 | |
CN103366759A (zh) | 语音数据的测评方法和装置 | |
CN103366735B (zh) | 语音数据的映射方法和装置 | |
KR101538317B1 (ko) | 영어 리터러시 자동측정 시스템 | |
CN101996635A (zh) | 基于重音突显度的英语发音质量评价方法 | |
CN109727609B (zh) | 口语发音评估方法及装置、计算机可读存储介质 | |
CN106157974A (zh) | 文本背诵质量评估装置和方法 | |
CN108470476B (zh) | 一种英语发音匹配纠正系统 | |
CN110047474A (zh) | 一种英语音标发音智能训练系统及训练方法 | |
Strik et al. | Comparing classifiers for pronunciation error detection | |
Priyadarshani et al. | Dynamic time warping based speech recognition for isolated Sinhala words | |
CN103794210A (zh) | 普通话语音评判系统及方法 | |
CN202758611U (zh) | 语音数据的测评装置 | |
Hussein et al. | Mandarin tone perception and production by German learners. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: 519031 office 1316, No. 1, lianao Road, Hengqin new area, Zhuhai, Guangdong Patentee after: LONGMA ZHIXIN (ZHUHAI HENGQIN) TECHNOLOGY Co.,Ltd. Address before: 519031 room 417, building 20, creative Valley, Hengqin New District, Zhuhai City, Guangdong Province Patentee before: LONGMA ZHIXIN (ZHUHAI HENGQIN) TECHNOLOGY Co.,Ltd. |