CN109979484B

CN109979484B - 发音检错方法、装置、电子设备及存储介质

Info

Publication number: CN109979484B
Application number: CN201910266444.2A
Authority: CN
Inventors: 曾慧; 徐燃; 雷宇
Original assignee: Beijing Roobo Technology Co ltd
Current assignee: Beijing Rubu Technology Co.,Ltd.
Priority date: 2019-04-03
Filing date: 2019-04-03
Publication date: 2021-06-08
Anticipated expiration: 2039-04-03
Also published as: CN109979484A

Abstract

本发明实施例公开了一种发音检错方法、装置、电子设备及存储介质，其中方法包括：基于预设拆分规则对目标词句进行拆分处理，得到所述目标词句的不同时长的发音单元；将用户朗读目标词句的音频数据和所述不同时长的发音单元进行对齐处理，确定所述不同时长的发音单元各自对应的音频片段；计算所述不同时长的发音单元各自对应的音频片段与所述不同时长的发音单元的标准音频之间的相似度；依据相似度计算结果，判断用户的错误发音单元。本发明实施例实现了在多个级别进行发音检错，提高了定位用户错误发音单元的准确性。

Description

发音检错方法、装置、电子设备及存储介质

技术领域

本发明实施例涉及语音识别技术领域，尤其涉及一种发音检错方法、装置、电子设备及存储介质。

背景技术

在英文学习的过程中，口语练习，需要时常纠正发音，在这一过程中，需要正确评价每个音节甚至每个元音，辅音的发音。

目前，在英文发音评测系统中，用户待输入的语音数据所对应的文本是已知的，系统得到音频后，将录入音频和相应文本进行强制对齐，以确定文本的每个音素(即单个音标)对应的音频片段，并将各音频片段与标准音素集进行似然计算，根据各音素的似然得分直接确定每个音素的发音效果。

然而，现有的英文发音评测系统仍存在一定的不足：在强制对齐过程中，每个音素的持续时间短，且在时序上受前后发音影响，只根据某个音素的评分直接确定该音素的发音质量是不准确的。

发明内容

本发明实施例提供了一种发音检错方法、装置、电子设备及存储介质，以解决现有技术中存在的，仅根据单个音素的评分直接判定该音素发音质量时，判定准确性低的技术问题。

第一方面，本发明实施例提供了一种发音检错方法，包括：

基于预设拆分规则对目标词句进行拆分处理，得到所述目标词句的不同时长的发音单元；

将用户朗读目标词句的音频数据和所述不同时长的发音单元进行对齐处理，确定所述不同时长的发音单元各自对应的音频片段；

计算所述不同时长的发音单元各自对应的音频片段与所述不同时长的发音单元的标准音频之间的相似度；

依据相似度计算结果，判断用户的错误发音单元。

第二方面，本发明实施例还提供了一种发音检错装置，包括：

拆分模块，用于基于预设拆分规则对目标词句进行拆分处理，得到所述目标词句的不同时长的发音单元；

对齐处理模块，用于将用户朗读目标词句的音频数据和所述不同时长的发音单元进行对齐处理，确定所述不同时长的发音单元各自对应的音频片段；

相似度计算模块，用于计算所述不同时长的发音单元各自对应的音频片段与所述不同时长的发音单元的标准音频之间的相似度；

检错模块，用于依据相似度计算结果，判断用户的错误发音单元。

第三方面，本发明实施例还提供了一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的发音检错方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例所述的发音检错方法。

本发明实施例提供了一种发音检错方法、装置、电子设备及存储介质，通过预设拆分规则将目标词句拆成不同时长的发音单元，并计算不同时长的发音单元各自对应的标准音和用户发音之间的相似度，并根据相似度结果确定错误发音单元。由此实现了在多个级别进行发音检错，提高了定位用户错误发音单元的准确性。

附图说明

图1是本发明实施例一提供的一种发音检错方法的流程示意图；

图2是本发明实施例二提供的一种发音检错方法的流程示意图；

图3是本发明实施例三提供的一种发音检错装置的结构示意图；

图4是本发明实施例四提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一提供的一种发音检错方法的流程图，本实施例可适用于帮助用户进行纠正发音的情况，该方法可以由相应的发音检错装置执行，该装置可以采用软件和/或硬件的方式实现，并可配置于电子设备上。

如图1所示，本发明实施例中提供的发音检错方法可以包括：

S110、基于预设拆分规则对目标词句进行拆分处理，得到所述目标词句的不同时长的发音单元。

其中，不同时长的发音单元包括音素、音节和/或单词，音素为单个音标，音节包括至少两个相邻的音素。因此通过预设拆分规则对目标词句进行拆分处理后，可以得到多个音素级别的发音单元、多个音节级别的发音单元以及单词级别的发音单元。

具体的，可按照如下操作进行拆分：

(1)基于不拆分原则，保留目标词句，将目标词句作为发音单元。和/或 (2)基于可回溯的元音切分原则，依次遍历目标词句的音标，遇到元音则在该元音后加入切分标记，遇到辅音且该辅音后没有元音，则将前一个切分标记删除，并在所述辅音后加入切分标记，根据切分标记确定目标词句的不同时长的发音单元。和/或

(3)基于不可回溯的元音切分原则，依次遍历目标词句的音标，遇到元音则在该元音后加入切分标记，遇到辅音且该辅音后没有元音，则在该辅音后加入切分标记，根据切分标记确定目标词句的不同时长的发音单元。和/或

(4)基于全切分原则，将目标词句的每个音标后加入切分标记，根据切分标记确定目标词句的发音单元。

示例性的，按照上述操作对单词

进行拆分。

得到音素级别的发音单元为：

jellyfish_ε、jellyfish_l、jellyfish_i、 jellyfish_f、

下划线右部的字符为音素。

得到音节级别的发音单元为：

jellyfish_li、

下划线右部的字符为音节。

得到单词级别的发音单元为：jellyfish。

S120、将用户朗读目标词句的音频数据和所述不同时长的发音单元进行对齐处理，确定所述不同时长的发音单元各自对应的音频片段。

示例性的，利用语音识别技术对用户朗读目标词句的音频数据进行识别，获取该音频数据对应的识别文本，以S110获取到的不同时长的发音单元为对齐标准，从识别文本中确定与不同时长的发音单元各自对齐的目标识别文本片段，根据目标识别文本片段确定其对应的音频片段。以单词

为例，通过对齐处理，可确定该单词每个音素级别的发音单元和每个音节级别的发音单元各自对应的音频片段。而完整的音频数据为单词级别发音单元对应的音频。

S130、计算所述不同时长的发音单元各自对应的音频片段与所述不同时长的发音单元的标准音频之间的相似度。

为了判断用户发音的准确性，可预先获取确定的不同时长的发音单元的标准音频，并计算所述不同时长的发音单元各自对应的音频片段与所述不同时长的发音单元的标准音频之间的相似度，以便根据相似度确定各发音单元的准确度。示例性的，可通过对不同时长的发音单元各自对应的音频片段与不同时长的发音单元的标准音频进行似然计算，确定不同时长的发音单元各自的似然得分，以似然得分衡量各发音单元的准确度。

以单词

为例，通过似然计算，确定各发音单元的似然得分，详见表1。

S140、依据相似度计算结果，判断用户的错误发音单元。

示例性的，可通过依次遍历目标词句的每个音素，判定各音素的似然得分是否满足预设条件；将不满足预设条件的因素确定为错误发音的音素。

其中，预设条件包括：音素的似然得分小于预设阈值，并且包括该音素的最短音节的似然得分小于预设阈值。其中预设阈值可根据实际情况设置，最短音节示例性的为该音素和与其相邻的一个音素组成。

以表1为例，预设阈值为4500分，在持续时间最短的单音素中有如下三个音素得分小于预设阈值：

jellyfish_l，jellyfish_i，进一步的，针对

包含该音素的最短音节

得分也小于预设阈值，因此判断音素

发音错误。针对jellyfish_l，jellyfish_i，包含该音素的最短音节jellyfish_li，得分大于预设阈值，这里需要说明的是，每个音素在时序上受前后发音影响，因此在音节发音准确时，则认为该音节包括的音素也发音准确，因此在音节jellyfish_li发音准确时，确定音素jellyfish_l，jellyfish_i发音准确。最终反馈的错误发音为

表1

本发明实施中，通过预设规则将目标词句拆分成不同时长的发音单元，利于分析音素前后连续性。而且通过综合分析音素和包含该音素的最短音节的似然得分，确定错误发音单元，由此提高了定位用户错误发音单元的准确性。

实施例二

图2为本发明实施例二提供的一种发音检错方法的流程示意图。本实施例以上述实施例为基础进行优化，如图2所示，本发明实施例中提供的发音检错方法可以包括：

S210、基于预设拆分规则对目标词句进行拆分处理，得到所述目标词句的不同时长的发音单元。

S220、将用户朗读目标词句的音频数据和所述不同时长的发音单元进行对齐处理，确定所述不同时长的发音单元各自对应的音频片段。

S230、对所述不同时长的发音单元各自对应的音频片段与所述不同时长的发音单元的标准音频进行似然计算，确定所述不同时长的发音单元各自的似然得分。

S240、判断所述发音单元为单词时对应的似然得分是否小于预设阈值，若否，则执行S250。

本实施例中，若判断发音单元为单词时对应的似然得分小于预设阈值，则确定整个单词发音不准确，不需要在进行S250，也即是确定是否有音素发音错误。优选的，在确定用户整个单词得发音错误后，将该判断结果反馈给用户，例如语音提示，同时播放该单词的标准发音，以便用户学习并纠正。

S250、依次遍历目标词句的每个音素，判定各音素的似然得分是否满足预设条件；将不满足所述预设条件的因素确定为错误发音的音素。

进一步的，在确定用户某个音素发音错误，可通过语音提示用户，并将错误的音素显示在电子设备的显示屏上，而且还可播放该因素的正确发音，以便用户学习并纠正。

本实施例中，通过判断单词级别的发音单元发音正确的基础上，在判断是否存在音素发音错误，由此及时纠正用户错误的音素发音。而且在判断单词或音素发音错误后，都会反馈给用户，并播放正确的发音，以此保证用户可以及时纠正错误发音。

实施例三

图3是本发明实施例三提供的一种发音检错装置的结构示意图。如图3所示，该装置包括：

拆分模块310，用于基于预设拆分规则对目标词句进行拆分处理，得到所述目标词句的不同时长的发音单元。

对齐处理模块320，用于将用户朗读目标词句的音频数据和所述不同时长的发音单元进行对齐处理，确定所述不同时长的发音单元各自对应的音频片段。

相似度计算模块330，用于计算所述不同时长的发音单元各自对应的音频片段与所述不同时长的发音单元的标准音频之间的相似度。

检错模块340，用于依据相似度计算结果，判断用户的错误发音单元。

本实施例通过预设拆分规则将目标词句拆成不同时长的发音单元，并计算不同时长的发音单元各自对应的标准音和用户发音之间的相似度，并根据相似度结果确定错误发音单元。由此实现了在多个级别进行发音检错，提高了定位用户错误发音单元的准确性。

在上述实施例的基础上，所述拆分模块具体用于：

保留目标词句，将目标词句作为所述发音单元；和/或

依次遍历目标词句的音标，遇到元音则在所述元音后加入切分标记，遇到辅音且所述辅音后没有元音，则将前一个切分标记删除，并在所述辅音后加入切分标记，根据所述切分标记确定所述目标词句的不同时长的发音单元；和/或

依次遍历目标词句的音标，遇到元音则在所述元音后加入切分标记，遇到辅音且所述辅音后没有元音，则在所述辅音后加入切分标记，根据所述切分标记确定所述目标词句的不同时长的发音单元；和/或

将目标词句的每个音标后加入切分标记，根据所述切分标记确定所述目标词句的发音单元；

相应的，所述不同时长的发音单元包括音素、音节和/或单词，所述音素为单个音标，所述音节包括至少两个相邻的音素。

在上述实施例的基础上，所述相似度计算模块具体用于：

对所述不同时长的发音单元各自对应的音频片段与所述不同时长的发音单元的标准音频进行似然计算，确定所述不同时长的发音单元各自的似然得分。

在上述实施例的基础上，所述检错模块具体用于：

依次遍历目标词句的每个音素，判定各音素的似然得分是否满足预设条件；

将不满足所述预设条件的因素确定为错误发音的音素；

其中，所述预设条件包括，

音素的似然得分小于预设阈值，并且音素的最短音节的似然得分小于预设阈值。

在上述实施例的基础上，所述装置还包括：

判定模块，用于判断所述发音单元为单词时对应的似然得分是否小于预设阈值，若否，则执行依次遍历目标词句的每个音素的操作。

本发明实施例所提供的发音检错装置可执行本发明任意实施例所提供的发音检错方法，具备执行方法相应的功能模块和有益效果。

实施例四

图4为本发明实施例四提供的电子设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图4显示的电子设备12 仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理器16，存储器28，连接不同系统组件(包括存储器28和处理器16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构 (ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如 CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/ 或方法。

电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O) 接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID 系统、磁带驱动器以及数据备份存储系统等。

处理器16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的发音检错方法，包括：

依据相似度计算结果，判断用户的错误发音单元。

实施例五

本发明实施例中提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种发音检错方法，该方法包括：

依据相似度计算结果，判断用户的错误发音单元。

当然，本发明实施例中所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例中所提供的发音检错方法中的相关操作。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器 (CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、 Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN) —连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims

1.一种发音检错方法，其特征在于，所述方法包括：

依据相似度计算结果，判断用户的错误发音单元；所述依据相似度计算结果，判断用户的错误发音单元，包括：判断所述发音单元为单词时对应的似然得分是否小于预设阈值；若否，则依次遍历目标词句的每个音素，判定各音素的似然得分是否满足预设条件；将不满足预设条件的因素确定为错误发音的音素；其中，所述预设条件包括，音素的似然得分小于预设阈值，并且音素的最短音节的似然得分小于预设阈值。

2.根据权利要求1所述的方法，其特征在于，基于预设拆分规则对目标词句进行拆分处理，得到所述目标词句的不同时长的发音单元，包括：

保留目标词句，将目标词句作为所述发音单元；和/或

3.根据权利要求1所述的方法，其特征在于，所述计算所述不同时长的发音单元各自对应的音频片段与所述不同时长的发音单元的标准音频之间的相似度包括：

4.一种发音检错装置，其特征在于，所述装置包括：

检错模块，用于依据相似度计算结果，判断用户的错误发音单元；其中，检错模块，具体用于：判断所述发音单元为单词时对应的似然得分是否小于预设阈值；若否，则依次遍历目标词句的每个音素，判定各音素的似然得分是否满足预设条件；将不满足预设条件的因素确定为错误发音的音素；其中，所述预设条件包括，音素的似然得分小于预设阈值，并且音素的最短音节的似然得分小于预设阈值。

5.根据权利要求4所述的装置，其特征在于，所述拆分模块具体用于：

保留目标词句，将目标词句作为所述发音单元；和/或

6.根据权利要求4所述的装置，其特征在于，所述相似度计算模块具体用于：

7.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-3中任一所述的发音检错方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3中任一所述的发音检错方法。