CN109859741A - 语音测评方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请提供一种语音测评方法、装置、电子设备及存储介质，包括：获取待测评的音频数据；对音频数据进行特征提取，获得与音频数据对应的多个特征向量；获取用于表征音频数据对应的参考例句中每个词的排列顺序以及特征的第一状态链；基于第一状态链和多个特征向量，获取多个待匹配状态链，多个待匹配状态链中包括后跨状态链，后跨状态链表征所述参考例句中的前序词对应的状态向后序词对应的状态转移的概率不为0；从多个待匹配状态链中确定出与多个特征向量匹配的目标状态链；基于目标状态链、所述第一状态链以及预设评分规则，获得音频数据对应的第一评分，由于多个待匹配状态链中包括后跨状态链，继而提高语音测评结果精确度。

Description

语音测评方法、装置、电子设备及存储介质

技术领域

本申请涉及语音测评技术领域，具体而言，涉及一种语音测评方法、装置、电子设备及存储介质。

背景技术

随着语音识别应用的普及，越来越多语言学习平台考虑到更多语音识别的变形应用，其中一种便是通过语音测评替代人工口语打分，及时为用户提供口语语音测评结果，然而，口语水平不足的用户在阅读参考例句时，可能遗漏或跳过参考例句中的一些单词，继而导致现有的语音测评技术的准确度不高。

申请内容

鉴于此，本申请实施例的目的在于提供一种语音测评方法、装置、电子设备及存储介质，以提高语音测评结果的准确度。

第一方面，本申请实施例提供一种语音测评方法，所述方法包括：获取待测评的音频数据；对所述音频数据进行特征提取，获得与所述音频数据对应的多个特征向量；获取用于表征所述音频数据对应的参考例句中每个词的排列顺序以及特征的第一状态链；基于所述第一状态链和所述多个特征向量，获取多个待匹配状态链，其中，所述多个待匹配状态链中包括后跨状态链，其中，所述后跨状态链表征所述参考例句中的前序词对应的状态向后序词对应的状态转移的概率不为0；从所述多个待匹配状态链中确定出与所述多个特征向量匹配的目标状态链；基于所述目标状态链、所述第一状态链以及预设评分规则，获得所述音频数据对应的第一评分。

在上述实现过程中，对于获取到的待测评的音频数据，获取所述音频数据对应的多个待匹配状态链，其中，所述多个待匹配状态链中包括后跨状态链，所述后跨状态链表征所述参考例句中的前序词对应的状态向后序词对应的状态转移的概率不为0，接着基于所述多个待匹配状态链确定出与所述音频数据匹配的目标状态链，最后基于所述目标状态链对所述音频数据进行打分，由于所述多个待匹配状态链中包括了后跨状态链，因此，在所述音频数据存在用户遗漏或跳过参考例句中的一些单词的情况下，也能准确的对所述音频数据打分。

基于第一方面，在一种可能的设计中，所述多个待匹配状态链中还包括前跨状态链，其中，所述前跨状态链表征所述参考例句中的所述后序词对应的状态向所述前序词对应的状态转移的概率不为0，获取多个待匹配状态链，包括：在所述第一状态链中设置前跨转移路径，获取第二状态链，其中，所述前跨转移路径表征所述参考例句中的所述后序词对应的状态向所述前序词对应的状态转移，所述前跨转移路径对应的状态转移的概率不为0；基于所述第二状态链和所述多个特征向量的数量，获取所述多个待匹配状态链。

在上述实现过程中，由于所述多个待匹配状态链中还包括前跨状态链，其中，所述前跨状态链表征所述参考例句中的所述后序词对应的状态向所述前序词对应的状态转移的概率不为0，并基于所述多个待匹配状态来对所述音频数据进行打分，因此，在所述音频数据存在用户遗漏或跳过参考例句中的一些单词的情况下，也能准确的对所述音频数据打分。

基于第一方面，在一种可能的设计中，获取多个待匹配状态链，包括：在所述第一状态链中设置后跨转移路径，获取第三状态链，其中，所述后跨转移路径表征所述参考例句中的所述前序词对应的状态向所述后序词对应的状态转移，所述后跨转移路径对应的状态转移的概率不为0；基于所述第三状态链和所述多个特征向量的数量，获取所述多个待匹配状态链。

在上述实现过程中，通过在所述第一状态链中设置后跨转移路径，获取第三状态链，其中，所述后跨转移路径表征所述参考例句中的所述前序词对应的状态向所述后序词对应的状态转移，所述后跨转移路径对应的状态转移的概率不为0，并基于所述第三状态链，获取所述多个待匹配状态链，使得所述多个待匹配状态链中包括后跨状态链，因此，在所述音频数据存在用户遗漏或跳过参考例句中的一些单词的情况下，也能准确的对所述音频数据打分。

基于第一方面，在一种可能的设计中，从所述多个待匹配状态链中确定出与所述多个特征向量匹配的目标状态链，包括：针对每个待匹配状态链，计算所述多个特征向量中的每个特征向量与该特征向量对应的状态匹配的匹配概率；基于与该待匹配状态链对应的多个所述匹配概率和该待匹配状态链中相邻状态之间的状态转移概率，计算用于表征该待匹配状态链与所述多个特征向量匹配程度的匹配值；将匹配值最大的待匹配状态链确定为所述目标状态链。

在上述实现过程中，针对每个待匹配状态链，首先计算所述多个特征向量中的每个特征向量与该特征向量对应的状态匹配的匹配概率，然后基于与该待匹配状态链对应的多个所述匹配概率和该待匹配状态链中相邻状态之间的状态转移概率，计算用于表征该待匹配状态链与所述多个特征向量匹配程度的匹配值，最后将匹配值最大的待匹配状态链确定为所述目标状态链，继而能够准确的确定出与所述音频数据匹配的状态链，提高测评准确度。

基于第一方面，在一种可能的设计中，获得所述音频数据对应的第一评分，包括：基于所述预设评分规则、所述目标状态链中每个状态的所述匹配概率以及相邻状态之间的状态转移概率，获得用于表征所述音频数据对应的句子的准确度的第一得分；基于所述预设评分规则，将所述目标状态链中状态种类的数量与所述第一状态链中的状态种类的数量比较，获得用于表征所述音频数据对应的句子的完整度的第二得分；基于所述第一得分和所述第二得分，获得所述音频数据对应的第一评分。

在上述实现过程中，基于所述音频数据对应的句子的准确度和完整度，对所述音频数据进行打分，提高所述音频数据对应的测评结果的精确度和参考价值。

基于第一方面，在一种可能的设计中，获得所述音频数据对应的第一评分之后，所述方法还包括：基于所述音频数据的时间长度和所述预设评分规则，获得用于表征发音流利度的第三得分；基于所述第三得分和所述第一评分，获得用于表征发音流利度、所述音频数据对应的句子的完整度以及准确度的第二评分。

在上述实现过程中，基于发音流利度、所述音频数据对应的句子的准确度和完整度，对所述音频数据进行打分，提高所述音频数据对应的测评结果的精确度和参考价值。

基于第一方面，在一种可能的设计中，获取用于表征所述参考例句中每个词的排列顺序以及特征的第一状态链，包括：基于声学模型和语言模型，获得用于表征所述参考例句中每个词的排列顺序以及特征的第一状态链。

在上述实现过程中，基于声学模型和语言模型，获得所述第一状态链，继而能够从文字和发音两方面反映所述参考例句的特征，提高语音测评结果的准确度。

第二方面，本申请实施例提供一种语音测评装置，所述装置包括：第一获取单元，用于获取待测评的音频数据；特征提取单元，用于对所述音频数据进行特征提取，获得与所述音频数据对应的多个特征向量；第二获取单元，用于获取用于表征所述音频数据对应的参考例句中每个词的排列顺序以及特征的第一状态链；第三获取单元，用于基于所述第一状态链和所述多个特征向量，获取多个待匹配状态链，其中，所述多个待匹配状态链中包括后跨状态链，其中，所述后跨状态链表征所述参考例句中的前序词对应的状态向后序词对应的状态转移的概率不为0；确定单元，用于从所述多个待匹配状态链中确定出与所述多个特征向量匹配的目标状态链；评分获得单元，用于基于所述目标状态链、所述第一状态链以及预设评分规则，获得所述音频数据对应的第一评分。

基于第二方面，在一种可能的设计中，所述多个待匹配状态链中还包括前跨状态链，其中，所述前跨状态链表征所述参考例句中的所述后序词对应的状态向所述前序词对应的状态转移的概率不为0，所述第三获取单元，还用于在所述第一状态链中设置前跨转移路径，获取第二状态链，其中，所述前跨转移路径表征所述参考例句中的所述后序词对应的状态向所述前序词对应的状态转移，所述前跨转移路径对应的状态转移的概率不为0；以及基于所述第二状态链和所述多个特征向量的数量，获取所述多个待匹配状态链。

基于第二方面，在一种可能的设计中，所述第三获取单元，还用于在所述第一状态链中设置后跨转移路径，获取第三状态链，其中，所述后跨转移路径表征所述参考例句中的所述前序词对应的状态向所述后序词对应的状态转移，所述后跨转移路径对应的状态转移的概率不为0；以及基于所述第三状态链和所述多个特征向量的数量，获取所述多个待匹配状态链。

基于第二方面，在一种可能的设计中，所述确定单元，包括：第一计算单元，用于针对每个待匹配状态链，计算所述多个特征向量中的每个特征向量与该特征向量对应的状态匹配的匹配概率；第二计算单元，用于基于与该待匹配状态链对应的多个所述匹配概率和该待匹配状态链中相邻状态之间的状态转移概率，计算用于表征该待匹配状态链与所述多个特征向量匹配程度的匹配值；确定子单元，用于将匹配值最大的待匹配状态链确定为所述目标状态链。

基于第二方面，在一种可能的设计中，所述评分获得单元，包括：第一评分获得单元，用于基于所述预设评分规则、所述目标状态链中每个状态的所述匹配概率以及相邻状态之间的状态转移概率，获得用于表征所述音频数据对应的句子的准确度的第一得分；第二评分获得单元，用于基于所述预设评分规则，将所述目标状态链中状态种类的数量与所述第一状态链中的状态种类的数量比较，获得用于表征所述音频数据对应的句子的完整度的第二得分；评分获得子单元，用于基于所述第一得分和所述第二得分，获得所述音频数据对应的第一评分。

基于第二方面，在一种可能的设计中，所述装置还包括：第二评分获得单元，用于基于所述音频数据的时间长度和所述预设评分规则，获得用于表征发音流利度的第三得分；以及基于所述第三得分和所述第一评分，获得用于表征发音流利度、所述音频数据对应的句子的完整度以及准确度的第二评分。

基于第二方面，在一种可能的设计中，所述第二获取单元，还用于基于声学模型和语言模型，获得用于表征所述参考例句中每个词的排列顺序以及特征的第一状态链。

第三方面，本申请实施例提供一种电子设备，包括处理器以及与所述处理器连接的存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行第一方面所述的方法。

第四方面，本申请实施例提供一种存储介质，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行第一方面所述的方法。

本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的电子设备的结构示意图；

图2为本申请第一实施例提供的语音测评方法的流程示意图；

图3为本申请第一实施例提供的第一状态链的状态序列图；

图4为本申请第一实施例提供的第三状态链的状态序列图；

图5为本申请第二实施例提供的语音测评装置的结构示意图。

图标：100-电子设备；110-存储器；120-存储控制器；130-处理器；140-外设接口；150-输入输出单元；160-音频单元；170-显示单元；400-语音测评装置；410-第一获取单元；420-特征提取单元；430-第二获取单元；440-第三获取单元；450-确定单元；460-评分获得单元。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行描述。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

本申请实施例提供一种电子设备100的结构示意图，所述电子设备100可以是包含云计算管理平台系统(以下简称“云平台”)的个人电脑(personal computer，PC)、平板电脑、智能手机、个人数字助理(personal digital assistant，PDA)等。

如图1所示，所述电子设备100可以包括：语音测评装置400、存储器110、存储控制器120、处理器130、外设接口140、输入输出单元150、音频单元160、显示单元170。

存储器110、存储控制器120、处理器130、输入输出单元150、音频单元160以及显示单元170各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。语音测评装置400包括至少一个可以软件或固件(firmware)的形式存储于所述存储器110中或固化在客户端设备的操作装置(operating system，OS)中的软件功能模块。所述处理器130用于执行存储器110中存储的可执行模块，例如语音测评装置400包括的软件功能模块或计算机程序。

其中，存储器110可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器110用于存储程序，所述处理器130在接收到执行指令后，执行所述程序，前述本申请实施例任一实施例揭示的流程定义的电子设备100所执行的方法可以应用于处理器130中，或者由处理器130实现。

处理器130可能是一种集成电路芯片，具有信号的处理能力。上述的处理器130可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

外设接口140将各种输入/输出装置耦合至处理器130以及存储器110。在一些实施例中，外设接口140，处理器130以及存储控制器120可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

输入输出单元150用于提供给用户输入数据实现用户与电子设备100的交互。所述输入输出单元150可以是，但不限于，鼠标和键盘等。

音频单元160向用户提供音频接口，其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。

显示单元170在电子设备100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元170可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器130进行计算和处理。

第一实施例

请参照图2，图2为本申请第一实施例提供的一种语音测评方法的流程图，所述方法应用于如图1所示的电子设备100，下面将对图2所示的流程进行详细阐述，所述方法包括：

S100：获取待测评的音频数据。

作为一种实施方式，从存储于电子设备100中的存储器110中获取已存储在存储器110中的待测评音频数据。例1，将待测评音频数据以文件的形式存储于存储器110内，并将属于同一个参考例句的所有待测评音频数据存储在相同的文件中。例2，将不同参考例句的所有待测评音频数据存储于一个文件内，并在该文件的目录中建立待测音频数据和参考例句之间的一一对应的关系。

作为一种实施方式，在用户通过电子设备100的输入输出单元150选中需要阅读的参考例句，并通过音频单元160输入与所述参考例句对应的待测评的音频数据后，将所述音频数据发送至电子设备100中的处理器130进行处理。作为一种实施方式，将所述音频数据发送至与所述电子设备连接的服务器进行处理。例3，用户首先通过电子设备100登录语音测评应用程序(Application，APP)或功能页面，并通过输入输出单元150选中需要阅读的参考例句，接着通过音频单元160输入与所述参考例句对应的待测评的音频数据后，最后通过电子设备100点击完成图标，以将所述音频数据发送至电子设备100中的处理器130进行处理。例4，用户首先通过电子设备100登录语音测评APP或功能页面，并通过输入输出单元150选中需要阅读的参考例句，从用户选中所述参考语句开始，在达到预设时间时，自动将用户通过音频单元输入的待测评的音频数据发送至发送至电子设备100中的处理器130进行处理，在本实施例中，所述预设时间可以为1分钟，在其他实施例中，所述预设时间可以为2分钟、3分钟、4分钟等。

作为一种实施方式，针对一参考语句，获取所述参考语句的待测评的音频数据。例5，电子设备100的处理器130针对一参考例句，依次对所述参考语句的所有待测评音频数据进行处理。

其中，所述参考语句可以为中文和或英文，所述参考语句可以单独为中文，所述参考语句可以单独为英文，所述参考语句也可为既包括中文又包括英文。

S200：对所述音频数据进行特征提取，获得与所述音频数据对应的多个特征向量。

由于待测音频数据的音频格式的多样性，不同的音频格式对应不同的解码方法，因此，服务器或获电子设备100中的处理器130获取到所述音频数据后，首先，根据所述音频数据的音频格式，选择与所述音频数据对应的解码方法，以对所述音频数据进行解码，获得所述音频数据的脉冲编码调制(pulse code modulation，PCM)数据，然后，对所述PCM数据进行分帧处理，获取多个数据帧，以提高处理效率和语音测评结果的准确度，在实施例中，以每帧长20ms，帧移10ms对所述PCM数据进行分帧处理，以防止在分帧时有效音频被破坏，同时也确保每帧对应一个状态，其中，帧移表示在相邻帧之间的重叠。帧长一般取为20～50毫秒，20、25、30、40、50都是比较常用的数值，在其他实施例中，每帧长可以为25ms，帧移可以为15ms。例5，一段PCM数据共有100ms，按上述标准进行分帧操作，可以得到的波形数据帧有：[0ms～20ms]，[10ms～30ms]，[20ms～40ms]，[30ms～50ms]，[40ms～60ms]等共计9个数据帧。接着，针对每个数据帧，计算出与该数据帧对应的梅尔频率倒谱系数向量，以获得每个数据帧中的有价值的声学信息。

S300：获取用于表征所述音频数据对应的参考例句中每个词的排列顺序以及特征的第一状态链。

作为一种实施方式，S300包括：

基于声学模型和语言模型，获得用于表征所述参考例句中每个词的排列顺序以及特征的第一状态链。

其中，一个词表示一个中文汉字或一个英文单词。

利用语音数据库中的语音数据对待训练的声学模型进行训练，获取训练好的声学模型，利用文本数据库中的文本数据对待训练的语言模型进行训练，获取训练好的语言模型，通过电子设备100将参考例句输入存储在存储器110中的预先训练好的声学模型和语言模型，获得用于表征所述参考例句中每个词的排列顺序以及特征的第一状态链，其中，第一状态链中的每个状态均不同。

作为一种实施方式，在电子设备100的存储器110内预先存储有所有参考例句对应的状态链，且在存储器110内存储有参考例句与状态链之间的一一对应关系，继而能够从存储器110内获取用于表征所述参考例句中每个词的排列顺序以及特征的第一状态链。

描述一种语言的基本单位被称为音素Phoneme,请参考图3，It is wheat中的wheat这个词就可以看做是由/w/、/i/和/t/三个音素构成的。然而，在进行语音测评时，由于多个音是连在一起发出的，很难区分，所以一般用左、中和右三个隐马尔可夫模型(Hidden Markov Model，简称HMM)状态来描述一个音素，也就是说wheat这个词中的/w/音素就变成了用S13、S14和S15三个不同的HMM状态来表示，其中，一个音素对应的HMM状态的数量可以根据用户需求设定，状态数太多，计算复杂度高，然而，状态数太少，测评准确度不高，因此，在本实施例中，一个音素对应三个不同的HMM状态。

其中，第一状态链中包括：相邻状态之间的状态转移概率(例：状态S1到状态S2的概率，状态S2到状态S3的概率)，以及每个状态到该状态的状态转移概率(例：状态S1到状态S1的转移概率，状态S2到状态S2的概率)。

S400：基于所述第一状态链和所述多个特征向量，获取多个待匹配状态链，其中，所述多个待匹配状态链中包括后跨状态链，所述后跨状态链表征所述参考例句中的前序词对应的状态向后序词对应的状态转移的概率不为0。

作为一种实施方式，S400包括：

在所述第一状态链中设置后跨转移路径，获取第三状态链，其中，所述后跨转移路径表征所述参考例句中的所述前序词对应的状态向所述后序词对应的状态转移，所述后跨转移路径对应的状态转移的概率不为0。

请参照图4，在实际实施过程中，在第一状态链中为每个词设置一条后跨转移路径，其中，所述后跨转移路径表征所述参考例句中的所述前序词对应的所有状态中的末状态向所述后序词对应的所有状态中的首状态转移，所述后跨转移路径对应的状态转移的概率不为0，其中，每条跨转移路径对应的状态转移的概率的取值为0.1到0.4之间的任意值，在本实施例中，每条跨转移路径对应的状态转移的概率均为0.2，获取第三状态链。请参照图4，图4中有3条后跨转移路径，Start->S7，S6->S13以及S12->end，若Start->S7的状态转移概率为0.2，S6->S13的状态转移概率为0.2，S12->end的状态转移概率为0.2，那么Start->S13的状态转移概率为0.04(0.04＝0.2*0.2)，Start->end的状态转移概率0.008(0.08＝0.2*0.2*0.2)。

基于所述第三状态链和所述多个特征向量的数量，获取所述多个待匹配状态链。

基于所述第三状态链，确定出所述第三状态链中包括的状态的种类，第三状态链中包括的状态的种类和数量相同，基于所述多个特征向量中包括的特征向量的数量，确定出每个待匹配状态链中包括的状态的数量，其中，每个待匹配状态链中包括的状态的数量与所述多个特征向量中包括的特征向量的数量相等，以使所述多个匹配状链能够与所述多个特征向量匹配，其中，所述每个待匹配链中的每个状态都可能为所述第三状态链中的任意一个状态，请参照例6，假设所述第三状态链中包括的状态有M＝3个状态(S1、S2和S3)，所述多个特征向量中包括的特征向量的数量为N＝3个，因此，所有可能的待匹配状态链有：{(S1、S1、S1)、(S1、S1、S2)、(S1,S1,S3)、(S1、S2、S1)、(S1、S3、S1)、(S2、S1、S1)、(S1、S2、S3)、(S2、S2、S2)、(S3、S3、S3)}共M^N＝9个。由于所述参考例句中的前序词对应的状态向后序词对应的状态转移的概率不为0，所述参考例句中的后序词对应的状态向前序词对应的状态转移的概率为0，因此，所述多个待匹配状态链中肯定不包括状态前移的情况，即所述多个待匹配状态链中包括的状态链有{(S1、S1、S1)、(S1、S1、S2)、(S1、S1、S3)、(S1、S2、S3)、(S2、S2、S2)、(S3、S3、S3)}。

作为一种实施方式，所述多个待匹配状态链中还包括前跨状态链，其中，所述前跨状态链表征所述参考例句中的所述后序词对应的状态向所述前序词对应的状态转移的概率不为0，S400包括：

在所述第一状态链中设置前跨转移路径，获取第二状态链，其中，所述前跨转移路径表征所述参考例句中的所述后序词对应的状态向所述前序词对应的状态转移，所述前跨转移路径对应的状态转移的概率不为0。

在实际实施过程中，在第一状态链中为每个词设置一条前跨转移路径，其中，所述前跨转移路径表征所述参考例句中的所述后序词对应的所有状态中的末状态向所述前序词对应的所有状态中的首状态转移，所述前跨转移路径对应的状态转移的概率不为0，其中，每条跨转移路径对应的状态转移的概率的取值为0.1到0.3之间的任意值，在本实施例中，每条跨转移路径对应的状态转移的概率均为0.15，获取第二状态链。请参照图5，图5中有2条前跨转移路径，S12->S1和S21->S7。

基于所述第二状态链和所述多个特征向量的数量，获取所述多个待匹配状态链。

基于所述第二状态链，确定出所述第二状态链中包括的状态的种类，第二状态链中包括的状态的种类和数量相同，基于所述多个特征向量中包括的特征向量的数量，确定出每个待匹配状态链中包括的状态的数量，其中，每个待匹配状态链中包括的状态的数量与所述多个特征向量中包括的特征向量的数量相等，其中，所述每个待匹配链中的每个状态都可能为所述第二状态链中的任意一个状态，例7，假设所述第二状态链中包括的状态有M＝3个状态(S1、S2和S3)，所述多个特征向量中包括的特征向量的数量为N＝3个，因此，所有可能的待匹配状态链有：{(S1、S1、S1)、(S1、S1、S2)、(S1,S1,S3)、(S1、S2、S1)、(S1、S3、S1)、(S2、S1、S1)、(S1、S2、S3)、(S2、S2、S2)、(S3、S3、S3)}共M^N＝9个。作为一种实施方式，所述参考例句中的前序词对应的状态向后序词对应的状态转移的概率不为0，所述参考例句中的后序词对应的状态向前序词对应的状态转移的概率不为0，即所述多个待匹配状态链中包括的状态链有{(S1、S1、S1)、(S1、S1、S2)、(S1,S1,S3)、(S1、S2、S1)、(S1、S3、S1)、(S2、S1、S1)、(S1、S2、S3)、(S2、S2、S2)、(S3、S3、S3)}。

S500：从所述多个待匹配状态链中确定出与所述多个特征向量匹配的目标状态链。

作为一种实施方式，S500包括：

针对每个待匹配状态链，计算所述多个特征向量中的每个特征向量与该特征向量对应的状态匹配的匹配概率。

基于所述声学模型、所述语言模型和所述参考例句，获取所述第一状态链中每个状态的概率密度函数，针对每个待匹配状态状态链，将所述多个特征向量中的每个特征向量带入与该特征向量对应的状态的概率密度函数，计算所述多个特征向量中的每个特征向量与该特征向量对应的状态匹配的匹配概率。

基于与该待匹配状态链对应的多个所述匹配概率和该待匹配状态链中相邻状态之间的状态转移概率，计算用于表征该待匹配状态链与所述多个特征向量匹配程度的匹配值。

例8，在待匹配状态链为(S1、S1、S2)和(S1、S1、S3)时，针对待匹配状态链(S1、S1、S2)，第一个状态S1对应的匹配概率为P11，第二个状态S1对应的匹配概率为P12，第三个状态S2对应的匹配概率为P21，S1->S1的状态转移概率为F11，S1->S2的状态转移概率为F12，在实施例中，将P11*F11+P12*F12+P21得到用于表征该待匹配状态链与所述多个特征向量匹配程度的匹配值，作为一种实施方式，将P11+P12*F11+P21*F12得到用于表征该待匹配状态链与所述多个特征向量匹配程度的匹配值；针对待匹配状态链(S1、S1、S3)，第一个状态S1对应的匹配概率为P13，第二个状态S1对应的匹配概率为P14，第三个状态S3对应的匹配概率为P31，S1->S1的状态转移概率为F11，S1->S3的状态转移概率为F13，在本实施例中，将P13*F11+P14*F12+P31得到用于表征该待匹配状态链与所述多个特征向量匹配程度的匹配值，作为一种实施方式，将P13+P14*F11+P31*F12得到用于表征该待匹配状态链与所述多个特征向量匹配程度的匹配值。

将匹配值最大的待匹配状态链确定为所述目标状态链。

例9，在待匹配状态链为(S1、S1、S2)、(S1、S1、S3)和(S1、S2、S3)时，待匹配状态链(S1、S1、S2)对应的匹配值为0.5，待匹配状态链(S1、S1、S3)的匹配值为0.9，待匹配状态链(S1、S2、S3)的匹配值为0.85，由于待匹配状态链(S1、S1、S3)的匹配值最大，因此，将(S1、S1、S3)确定为所述目标状态链。

作为一种实施方式，将匹配值大于预设值的待匹配状态链确定为所述目标状态链，在实施例中，所述预设值为0.8，参考例9，由于待匹配状态链(S1、S1、S3)和(S1、S2、S3)的匹配值均大于0.8，因此，所述目标状态链为(S1、S1、S3)和(S1、S2、S3)。

S600：基于所述目标状态链、所述第一状态链以及预设评分规则，获得所述音频数据对应的第一评分。

作为一种实施方式，S600包括：

基于所述预设评分规则、所述目标状态链中每个状态的所述匹配概率以及相邻状态之间的状态转移概率，获得用于表征所述音频数据对应的句子的准确度的第一得分。

在本实施例中，由于1个音素对应3个不同的状态，因此，需要依次将所述目标状态链中相邻的三个不相同的状态对应一个音素，请参考图4，在所述目标状态链为(S1、S1、S2、S3、S4、S5、S6、S13、S14、S15、S16、S17、S18、S19、S20、S21)，计算，计算每个音素的概率，例如，对于S1、S1、S2和S3对应第一个音素，其中，第一个状态S1对应的匹配概率为P11，第二个个状态S1对应的概率为P12，第三个状态S2对应的概率为P21，第四个状态S3对应的概率为P31，S1->S2的状态转移概率为F12，S2->S3的状态转移概率为F23，在本实施例中，第一个音素的概率通过计算P12*F12+P21*F23+P31获得，作为一种实施方式，第一个音素的概率通过计算1/2*(P11+P12)*F12+P21*F23+P31获得，S4、S5和S6对应第二个音素，继而将对所述目标链对应的所有音素的概率求平均，获得所述音频数据对应的第一概率，在本实施例中，所述第一得分通过将所述第一概率乘以100得到，例如，在所述第一概率为0.8时，所述第一得分为80分，在所述第一概率为0.9时，所述第一得分为90分。在其他实施例中，可以定义：在所述第一概率大于等于0.9时，所述第一得分100分，在所述第一概率大于等于0.8小于0.9时，所述第一得分为80分，在所述第一概率大于等于0.7小于0.8时，所述第一得分为70分，在所述第一概率大于等于0.6小于0.7，所述第一得分为60分，在所述第一概率小于0.6时，所述第一得分为50分。

基于所述预设评分规则，将所述目标状态链中状态种类的数量与所述第一状态链中的状态种类的数量比较，获得用于表征所述音频数据对应的句子的完整度的第二得分。

将所述目标状态链中状态种类的数量与所述第一状态链中的状态种类的数量比较，获取所述目标状态链对应的词的数量，将所述目标状态链对应的词的数量与所述参考例句对应的词的数量的比值，所述第二得分通过计算所述比值*100得到，例如，在所述目标状态链对应的词的数量为10个，所述参考例句对应的词的数量为12个，所述比值为0.83，所述第二得分为83分(所述第二得分＝0.83*100)。

基于所述第一得分和所述第二得分，获得所述音频数据对应的第一评分。

作为一种实施方式，对所述第一得分和所述第二得分求平均，获得所述音频数据对应的第一评分。

例10，在所述第一得分为80，且第二得分为90时，所述第一评分为85。

作为一种实施方式，将所述第一得分*0.4后，再加上所述第二得分*0.6，获得所述音频数据对应的第一评分。

请参考例10，在所述第一得分为80，且第二得分为90时，所述第一评分为86。

作为一种实施方式，在S600之后，所述方法还包括：

基于所述音频数据的时间长度和所述预设评分规则，获得用于表征发音流利度的第三得分。

作为一种实施方式，首先朗读完参考例句所需的标准时间除以所述第一参考链中包含的状态的种类，计算出一个状态对应的第一时间，然后，将于所述目标状态链中包含的状态的种类乘以第一时间，计算出所述目标状态链对应的第二时间，将所述第二时间与所述音频数据的时间长度作差，在所述音频数据的时间长度小于等于所述第二时间时，第三得分为100分，在所述音频数据的时间长度大于所述第二时间时，求所述第二时间与所述音频数据的时间长度的时间比值，将所述时间比值*100，获得所述第三得分。

基于所述第三得分和所述第一评分，获得用于表征发音流利度、所述音频数据对应的句子的完整度以及准确度的第二评分。

作为一种实施方式，对所述第三得分和所述第一评分求平均，获得用于表征发音流利度、所述音频数据对应的句子的完整度以及准确度的第二评分。

作为一种实施方式，将所述第三得分*0.3后，再加上所述第一评分*0.7，获得用于表征发音流利度、所述音频数据对应的句子的完整度以及准确度的第二评分。

第二实施例

请参照图5，图5是本申请第二实施例提供的一种语音测评装置400的结构框图。所述装置存储于如图1所述的电子设备100，下面将对图3所示的结构框图进行阐述，所示装置包括：

第一获取单元410，用于获取待测评的音频数据。

特征提取单元420，用于对所述音频数据进行特征提取，获得与所述音频数据对应的多个特征向量。

第二获取单元430，用于获取用于表征所述音频数据对应的参考例句中每个词的排列顺序以及特征的第一状态链。

第三获取单元440，用于基于所述第一状态链和所述多个特征向量，获取多个待匹配状态链，其中，所述多个待匹配状态链中包括后跨状态链，其中，所述后跨状态链表征所述参考例句中的前序词对应的状态向后序词对应的状态转移的概率不为0。

确定单元450，用于从所述多个待匹配状态链中确定出与所述多个特征向量匹配的目标状态链。

评分获得单元460，用于基于所述目标状态链、所述第一状态链以及预设评分规则，获得所述音频数据对应的第一评分。

作为一种实施方式，所述多个待匹配状态链中还包括前跨状态链，其中，所述前跨状态链表征所述参考例句中的所述后序词对应的状态向所述前序词对应的状态转移的概率不为0，所述第三获取单元440，还用于在所述第一状态链中设置前跨转移路径，获取第二状态链，其中，所述前跨转移路径表征所述参考例句中的所述后序词对应的状态向所述前序词对应的状态转移，所述前跨转移路径对应的状态转移的概率不为0；以及基于所述第二状态链和所述多个特征向量的数量，获取所述多个待匹配状态链。

作为一种实施方式，所述第三获取单元440，还用于在所述第一状态链中设置后跨转移路径，获取第三状态链，其中，所述后跨转移路径表征所述参考例句中的所述前序词对应的状态向所述后序词对应的状态转移，所述后跨转移路径对应的状态转移的概率不为0；以及基于所述第三状态链和所述多个特征向量的数量，获取所述多个待匹配状态链。

作为一种实施方式，所述确定单元450，包括：第一计算单元，用于针对每个待匹配状态链，计算所述多个特征向量中的每个特征向量与该特征向量对应的状态匹配的匹配概率；第二计算单元，用于基于与该待匹配状态链对应的多个所述匹配概率和该待匹配状态链中相邻状态之间的状态转移概率，计算用于表征该待匹配状态链与所述多个特征向量匹配程度的匹配值；确定子单元，用于将匹配值最大的待匹配状态链确定为所述目标状态链。

作为一种实施方式，所述评分获得单元460，包括：第一评分获得单元，用于基于所述预设评分规则、所述目标状态链中每个状态的所述匹配概率以及相邻状态之间的状态转移概率，获得用于表征所述音频数据对应的句子的准确度的第一得分；第二评分获得单元，用于基于所述预设评分规则，将所述目标状态链中状态种类的数量与所述第一状态链中的状态种类的数量比较，获得用于表征所述音频数据对应的句子的完整度的第二得分；评分获得子单元，用于基于所述第一得分和所述第二得分，获得所述音频数据对应的第一评分。

作为一种实施方式，所述装置还包括：第二评分获得单元，用于基于所述音频数据的时间长度和所述预设评分规则，获得用于表征发音流利度的第三得分；以及基于所述第三得分和所述第一评分，获得用于表征发音流利度、所述音频数据对应的句子的完整度以及准确度的第二评分。

作为一种实施方式，所述第二获取单元，还用于基于声学模型和语言模型，获得用于表征所述参考例句中每个词的排列顺序以及特征的第一状态链。

本实施例对语音测评装置400的各功能单元实现各自功能的过程，请参见上述图2所示实施例中描述的内容，此处不再赘述。

此外，本申请实施例还提供了一种存储介质，在该存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行本申请任一项实施方式所提供的语音测评方法。

综上所述，本申请各实施例提出的语音测评方法、装置、电子设备及存储介质，所述方法包括：获取待测评的音频数据；对所述音频数据进行特征提取，获得与所述音频数据对应的多个特征向量；获取用于表征所述音频数据对应的参考例句中每个词的排列顺序以及特征的第一状态链；基于所述第一状态链和所述多个特征向量，获取多个待匹配状态链，其中，所述多个待匹配状态链中包括后跨状态链，其中，所述后跨状态链表征所述参考例句中的前序词对应的状态向后序词对应的状态转移的概率不为0；从所述多个待匹配状态链中确定出与所述多个特征向量匹配的目标状态链；基于所述目标状态链、所述第一状态链以及预设评分规则，获得所述音频数据对应的第一评分。由于所述多个待匹配状态链中包括了后跨状态链，因此，在所述音频数据存在用户遗漏或跳过参考例句中的一些单词的情况下，也能准确的对所述音频数据打分。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的装置来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

Claims (10)

1.一种语音测评方法，其特征在于，所述方法包括：

获取待测评的音频数据；

对所述音频数据进行特征提取，获得与所述音频数据对应的多个特征向量；

获取用于表征所述音频数据对应的参考例句中每个词的排列顺序以及特征的第一状态链；

基于所述第一状态链和所述多个特征向量，获取多个待匹配状态链，其中，所述多个待匹配状态链中包括后跨状态链，所述后跨状态链表征所述参考例句中的前序词对应的状态向后序词对应的状态转移的概率不为0；

从所述多个待匹配状态链中确定出与所述多个特征向量匹配的目标状态链；

基于所述目标状态链、所述第一状态链以及预设评分规则，获得所述音频数据对应的第一评分。

2.根据权利要求1所述的方法，其特征在于，所述多个待匹配状态链中还包括前跨状态链，其中，所述前跨状态链表征所述参考例句中的所述后序词对应的状态向所述前序词对应的状态转移的概率不为0，获取多个待匹配状态链，包括：

在所述第一状态链中设置前跨转移路径，获取第二状态链，其中，所述前跨转移路径表征所述参考例句中的所述后序词对应的状态向所述前序词对应的状态转移，所述前跨转移路径对应的状态转移的概率不为0；

基于所述第二状态链和所述多个特征向量的数量，获取所述多个待匹配状态链。

3.根据权利要求1所述的方法，其特征在于，获取多个待匹配状态链，包括：

在所述第一状态链中设置后跨转移路径，获取第三状态链，其中，所述后跨转移路径表征所述参考例句中的所述前序词对应的状态向所述后序词对应的状态转移，所述后跨转移路径对应的状态转移的概率不为0；

基于所述第三状态链和所述多个特征向量的数量，获取所述多个待匹配状态链。

4.根据权利要求1所述的方法，其特征在于，从所述多个待匹配状态链中确定出与所述多个特征向量匹配的目标状态链，包括：

针对每个待匹配状态链，计算所述多个特征向量中的每个特征向量与该特征向量对应的状态匹配的匹配概率；

基于与该待匹配状态链对应的多个所述匹配概率和该待匹配状态链中相邻状态之间的状态转移概率，计算用于表征该待匹配状态链与所述多个特征向量匹配程度的匹配值；

将匹配值最大的待匹配状态链确定为所述目标状态链。

5.根据权利要求1所述的方法，其特征在于，获得所述音频数据对应的第一评分，包括：

基于所述预设评分规则、所述目标状态链中每个状态的所述匹配概率以及相邻状态之间的状态转移概率，获得用于表征所述音频数据对应的句子的准确度的第一得分；

基于所述预设评分规则，将所述目标状态链中状态种类的数量与所述第一状态链中的状态种类的数量比较，获得用于表征所述音频数据对应的句子的完整度的第二得分；

基于所述第一得分和所述第二得分，获得所述音频数据对应的第一评分。

6.根据权利要求1所述的方法，其特征在于，获得所述音频数据对应的第一评分之后，所述方法还包括：

基于所述音频数据的时间长度和所述预设评分规则，获得用于表征发音流利度的第三得分；

基于所述第三得分和所述第一评分，获得用于表征发音流利度、所述音频数据对应的句子的完整度以及准确度的第二评分。

7.根据权利要求1所述的方法，其特征在于，获取用于表征所述参考例句中每个词的排列顺序以及特征的第一状态链，包括：

基于声学模型和语言模型，获得用于表征所述参考例句中每个词的排列顺序以及特征的第一状态链。

8.一种语音测评装置，其特征在于，所述装置包括：

第一获取单元，用于获取待测评的音频数据；

特征提取单元，用于对所述音频数据进行特征提取，获得与所述音频数据对应的多个特征向量；

第二获取单元，用于获取用于表征所述音频数据对应的参考例句中每个词的排列顺序以及特征的第一状态链；

第三获取单元，用于基于所述第一状态链和所述多个特征向量，获取多个待匹配状态链，其中，所述多个待匹配状态链中包括后跨状态链，其中，所述后跨状态链表征所述参考例句中的前序词对应的状态向后序词对应的状态转移的概率不为0；

确定单元，用于从所述多个待匹配状态链中确定出与所述多个特征向量匹配的目标状态链；

评分获得单元，用于基于所述目标状态链、所述第一状态链以及预设评分规则，获得所述音频数据对应的第一评分。

9.一种电子设备，其特征在于，包括处理器以及与所述处理器连接的存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行权利要求1-7中任意一项所述的方法。

10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1-7中任意一项所述的方法。