CN111968676A - 一种发音纠正方法、装置、电子设备及存储介质 - Google Patents

一种发音纠正方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111968676A
CN111968676A CN202010832916.9A CN202010832916A CN111968676A CN 111968676 A CN111968676 A CN 111968676A CN 202010832916 A CN202010832916 A CN 202010832916A CN 111968676 A CN111968676 A CN 111968676A
Authority
CN
China
Prior art keywords
voice
pronunciation
correction mode
determining
pronunciation correction
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
Application number
CN202010832916.9A
Other languages
English (en)
Other versions
CN111968676B (zh
Inventor
顾宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010832916.9A priority Critical patent/CN111968676B/zh
Publication of CN111968676A publication Critical patent/CN111968676A/zh
Application granted granted Critical
Publication of CN111968676B publication Critical patent/CN111968676B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/60—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for measuring the quality of voice signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Social Psychology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本申请公开了一种发音纠正方法、装置、电子设备及存储介质。方法包括：获取待测用户的语音信息；提取语音信息中包含基本语音单元的语音片段，并对语音片段进行评分获得评分结果；在确定评分结果小于预设分值时，获取与语音片段对应的待测用户的面部图像信息；对面部图像信息进行识别确定发音纠正方式。通过语音测评获得评分较低的语音片段，并通过对评分较低的语音片段所对应的用户面部图像信息进行识别确定出发音纠正方式，从而可以结合语音和图像两个方面在口语教学的过程中快速准确的对学生进行发音纠正。

Description

一种发音纠正方法、装置、电子设备及存储介质
技术领域
本公开实施例涉及数据处理技术领域，尤其涉及一种发音纠正方法、装置、电子设备及存储介质。
背景技术
作为人际交流的重要媒介，口语语言在实际生活中占有及其重要的地位，在口语教学领域老师通常需要对学生的口语发音进行纠正，以提高学生口语的语音表达正确性。
但是由于学生的口语发音过程通常涉及到多器官的协同作用，在一些情况下老师虽然能够直接听出老师的发音错误，但在具体查找发音错误原因时，需要老师一遍遍仔细观察学生的发音过程，例如，口型、舌头的位置，最终才能找到造成发音错误的原因，以对学生的发音方法进行纠正，但这种方式不仅需要消耗老师较多的精力，而且显著降低口语教学的效率。
发明内容
本公开实施例提供一种发音纠正方法、装置、电子设备及存储介质，以实现快速准确的进行发音的纠正。
第一方面，本公开实施例提供了一种发音纠正方法，该方法包括：获取待测用户的语音信息；
提取语音信息中包含基本语音单元的语音片段，并对语音片段进行评分获得评分结果；
在确定评分结果小于预设分值时，获取与语音片段对应的待测用户的面部图像信息；
对面部图像信息进行识别确定发音纠正方式。
第二方面，本公开实施例还提供了一种发音纠正装置，该装置包括：
语音信息获取模块，用于获取待测用户的语音信息；
语音评分模块，用于提取语音信息中包含基本语音单元的语音片段，并对语音片段进行评分获得评分结果；
面部图像信息获取模块，用于在确定评分结果小于预设分值时，获取与语音片段对应的待测用户的面部图像信息；
发音纠正方式确定模块，用于对面部图像信息进行识别确定发音纠正方式。
第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如本公开任意实施例的方法。
第四方面，本公开实施例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公开任意实施例的方法。
本公开实施例中，通过语音测评获得评分较低的语音片段，并通过对评分较低的语音片段所对应的用户面部图像信息进行识别确定出发音纠正方式，从而可以结合语音和图像两个方面在口语教学的过程中快速准确的对学生进行发音纠正。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1(a)是本公开实施例一提供的一种发音纠正方法的流程图；
图1(b)是本公开实施例一提供的嘴部特征元素示意图；
图2是本公开实施例二提供的一种发音纠正方法的流程图；
图3是本公开实施例三提供的一种发音纠正装置的结构示意图；
图4是本公开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
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
实施例一
图1是本公开实施例提供的一种发音纠正方法的流程图，该方法可以由本公开实施例提供的发音纠正装置来执行，该装置可采用软件和/或硬件的方式实现，并一般可集成在计算机设备中。本公开实施例的方法具体包括：
可选的，如图1(a)所示，本公开实施例中的方法可以包括如下步骤：
步骤101，获取待测用户的语音信息。
具体的说，在对待测用户进行口语教学的过程中，可以让待测用户按照提前写好的文字按顺序进行阅读，在待测用户阅读的过程中，采用录音装置对待测用户的语音进行实时采集，可以将需要进行测评的时间范围内所采集的语音作为待测用户的语音信息，本申请实施方式中并不限定语音信息的具体采集时间，可以根据实际需要进行采集。
需要说明的是，本实施方式中在对待测用户的语音信息进行实时采集的过程中，还会通过摄像装置对待测用户的面部图像信息进行同步采集，并且本实施方式中的摄像装置和录音装置可以位于一个设备中，本申请实施方式中并不限定摄像装置和录音装置的具体类型，只要能够实现待测用户的语音与面部图像的同步采集都是在本申请的保护范围内。
步骤102，提取语音信息中包含基本语音单元的语音片段，并对语音片段进行评分获得评分结果。
可选的，基本语音单元包括：音节或音素。
可选的，对语音片段进行评分获得评分结果，可以包括：确定语音片段中的基本语音单元与标准语音单元的距离参数；根据距离参数从距离分值匹配列表中进行查询获得评分结果，其中，距离分值匹配列表中包含了距离参数与分值的对应关系。
可选的，确定语音片段中的基本语音单元与标准语音单元的距离，可以包括：确定语音片段中每个语音帧所对应的基本语音单元与标准语音单元的子距离；计算子距离的平均值，并将计算结果作为距离参数。
具体的说，本实施方式中在获取到语音信息后可以先进行语音测评，即进行初步评分，例如，所获取的语音信息是“普通话”，该语音信息由三个音节组成，可以拆分成“p,u,t,o,ng,h,u,a”八个音素，本实施方式中以音素作为基本的语音单元为例进行的说明。并且进行语音测评的具体方式可以是提取语音信息中包含基本语音单元的语音片段，例如，音素“o”占用的是语音信息中的200-300的语音帧，则将200-300的语音帧作为语音片段，并根据该语音片段进行评分获得评分结果。
其中，在对语音片段进行评分获得评分结果时，例如针对音素“o”,确定语音片段200-300的语音帧中的基本语音单元与标准语音单元的距离参数，其中，距离参数越小说明待测用户的音素与标准音素越接近，待测用户的发音越标准。并且在获得距离参数后可以从如下表1所示的距离分值匹配列表中进行查询获得评分结果。
表1
距离参数 分值
1-5 99
6-10 80
11-30 70
… …
95-100 1
其中，在距离分值匹配列表中包含了距离参数与分值的对应关系，例如，在确定距离参数为15，则从表1中进行查询获得评分结果为70。
需要说明的是，在确定语音片段中的基本语音单元与标准语音单元的距离时，由于语音单元中包含多个语音帧，例如，音素“o”所对应的语音片段中包含200-300之间的100个语音帧，因此在确定该语音片段中的基本单元与标准语音单元的距离参数时，具体是确定该语音片段中每个语音帧所对应的基本语音单元与标准语音单元的子距离，针对音素“o”所对应的是100个语音帧，则获取100个子距离，则将100个子距离的平均值作为距离参数。并且在计算每一个子距离时具体可以采用概率分布的方式进行计算，由于关于每一个语音帧中的子距离的计算方式并不是本申请的重点，因此本实施方式中不再进行赘述。当然，本实施方式中仅是以音素“o”为例进行的举例说明，对于其它音素进行评分的方式与此大致相同，本实施方式中不再进行赘述。
步骤103，在确定评分结果小于预设分值时，获取与语音片段对应的待测用户的面部图像信息。
具体的说，本实施方式中的预设分值可以为90，当确定评分结果小于预设分值时，说明待测用户的发音方式存在明显错误需要进行纠正。当然，本实施方式仅是以90为例进行的举例说明，可以根据实际需要对预设分值的具体取值进行设定。
其中，在确定音素“o”所对应的语音片段的评分结果为70，小于预设分值90时，由于语音和面部图像信息是同步采集的，则可以获取与该语音片段对应的待测用户的面部图像信息，即具体根据时间对拍摄的视频进行截取，获取到待测用户读音素“o”时的画面。
步骤104，对面部图像信息进行识别确定发音纠正方式。
可选的，对面部图像信息进行识别确定发音纠正方式，可以包括：获取面部图像信息中的嘴部特征元素，其中，嘴部特征元素中包含嘴部特征点的位置和舌头的状态；获取与标准语音单元所对应的发音规则，其中，发音规则中包含标准语音单元所对应的嘴部标准特征点的位置和舌头的标准状态；根据嘴部特征元素和发音规则确定发音纠正方式。
可选的，根据嘴部特征元素和发音规则确定发音纠正方法，可以包括：将嘴部特征点的位置与嘴部标准特征点的位置进行对比，根据对比结果确定嘴型的纠正方式；将舌头的状态与舌头的标准状态进行对比，根据对比结果确定舌头的纠正方式；根据嘴型的纠正方式和舌头的纠正方式确定发音纠正方式。
具体的说，在对面部图像信息进行识别确定发音纠正方式时，具体可以获取面部图像信息中的嘴部特征元素，由于嘴部特征元素中包含嘴部特征点的位置和舌头的位置，这里采用了人脸68特征点的定位方法，即将人脸的面部器官分别采用预设个数的特征点进行标记，由于本申请中主要关于待测用户的发音，仅使用了嘴部的11个特征点，由于发音过程中还涉及到了舌头的位置，因此嘴部特征元素中不仅包含嘴部特征点的位置，而且还包含舌头的状态，其中，舌头的状态包括伸出状态或未伸出状态，并且嘴部特征点的不同位置组合分别代表不同的嘴型，如图1(b)所示为待测用户在读音素“o”时的嘴部特征元素示意图，从图中可以看出待测用户的嘴大张，舌头的状态为伸出状态。在获取待测用户面部图像信息中的嘴部特征元素之后，还会获取与标准语音单元所对应的发音规则，发音规则中包含标准语音单元所对应的嘴部标准特征点的位置和舌头的标准状态，例如，获取读音素“o”时嘴部标准特征点的位置，舌头的标准状态为未伸出状态，即在准确读音素“o”时嘴部特征元素的具体信息。在待测用户读音素“o”时嘴部特征元素以及该音素所对应的发音规则已知的情况下，将图1(b)中所示的嘴部特征点的位置与发音规则中嘴部特征点的位置进行对比，确定出位置不匹配的特征点，根据不匹配的特征点确定嘴型的纠正方式，例如，将大张调整为微张，并且嘴型呈圆形；将舌头的状态与发音规则中舌头的状态进行对比，确定出舌头状态是否匹配，根据对比结果确定舌头的纠正方式，例如，将舌头伸出状态调整为未伸出状态。当然，本实施方式中仅是以音素“o”为例进行的说明，对于其它音素的纠正方式与此大致相同，本实施方式中不再进行赘述。
本公开实施例中，通过语音测评获得评分较低的语音片段，并通过对评分较低的语音片段所对应的用户面部图像信息进行识别确定出发音纠正方式，从而可以结合语音和图像两个方面在口语教学的过程中快速准确的对学生进行发音纠正。
实施例二
图2是本公开实施例二提供的发音纠正方法的流程图，本公开实施例可以与上述实施例中各可选方案结合，本公开实施例中，在对面部图像信息进行识别确定发音纠正方式之后，还包括：对发音纠正方式进行检测；根据检测结果确定发音纠正方式错误的情况下，进行报警提示。
如图2所示，本公开实施例的方法具体包括：
步骤201，获取待测用户的语音信息。
步骤202，提取语音信息中包含基本语音单元的语音片段，并对语音片段进行评分获得评分结果。
可选的，基本语音单元包括：音节或音素。
可选的，对语音片段进行评分获得评分结果，可以包括：确定语音片段中的基本语音单元与标准语音单元的距离参数；根据距离参数从距离分值匹配列表中进行查询获得评分结果，其中，距离分值匹配列表中包含了距离参数与分值的对应关系。
可选的，确定语音片段中的基本语音单元与标准语音单元的距离，可以包括：确定语音片段中每个语音帧所对应的基本语音单元与标准语音单元的子距离；计算子距离的平均值，并将计算结果作为距离参数。
步骤203，在确定评分结果小于预设分值时，获取与语音片段对应的待测用户的面部图像信息。
步骤204，对面部图像信息进行识别确定发音纠正方式。
可选的，对面部图像信息进行识别确定发音纠正方式，可以包括：获取面部图像信息中的嘴部特征元素，其中，嘴部特征元素中包含嘴部特征点的位置和舌头的状态；获取与标准语音单元所对应的发音规则，其中，发音规则中包含标准语音单元所对应的嘴部标准特征点的位置和舌头的标准状态；根据嘴部特征元素和发音规则确定发音纠正方式。
可选的，根据嘴部特征元素和发音规则确定发音纠正方法，可以包括：将嘴部特征点的位置与嘴部标准特征点的位置进行对比，根据对比结果确定嘴型的纠正方式；将舌头的状态与舌头的标准状态进行对比，根据对比结果确定舌头的纠正方式；根据嘴型的纠正方式和舌头的纠正方式确定发音纠正方式。
步骤205，对发音纠正方式进行检测；根据检测结果确定发音纠正方式错误的情况下，进行报警提示。
其中，在获得发音纠正方式之后，会对所确定的发音纠正方式进行检测，如果所确定的发音纠正方式中存在明显错误或无效的情况下，会进行报警。例如，待测用户的舌头为伸出状态，但发音纠正方式中要求将舌头的状态调整为伸出状态，这与实际明显是不符，因此所确定的发音纠正方式为存在明显错误的情况；或者发音纠正方式出现的结果为乱码或空白，则所确定的发音纠正方式为无效的情况。在出现上述明显错误或无效的情况下会进行报警提示，以提示测试人员及时对设备或评测流程进行检修。
本公开实施例中，通过语音测评获得评分较低的语音片段，并通过对评分较低的语音片段所对应的用户面部图像信息进行识别确定出发音纠正方式，从而可以结合语音和图像两个方面在口语教学的过程中快速准确的对学生进行发音纠正。并且通过对发音纠正方式进行检测，并根据检测结果确定发音纠正方式错误的情况下，进行报警提示，以指示测试人员根据报警提示及时对设备或评测流程进行检修，从而保证发音纠正方式的准确度。
实施例三
图3是本公开实施例三提供的发音纠正装置的结构示意图。该装置可采用软件和/或硬件的方式实现，并一般可集成在执行方法的电子设备中。如图3所示，该装置可以包括：
语音信息获取模块301，用于获取待测用户的语音信息；
语音评分模块302，用于提取语音信息中包含基本语音单元的语音片段，并对语音片段进行评分获得评分结果；
面部图像信息获取模块303，用于在确定评分结果小于预设分值时，获取与语音片段对应的待测用户的面部图像信息；
发音纠正方式确定模块304，用于对面部图像信息进行识别确定发音纠正方式。
本公开实施例中，通过语音测评获得评分较低的语音片段，并通过对评分较低的语音片段所对应的用户面部图像信息进行识别确定出发音纠正方式，从而可以结合语音和图像两个方面在口语教学的过程中快速准确的对学生进行发音纠正。
可选的，在上述技术方案的基础上，基本语音单元包括：音节或音素。
可选的，在上述技术方案的基础上，语音评分模块包括：
距离参数确定模块，用于确定语音片段中的基本语音单元与标准语音单元的距离参数；
评分结果获得模块，用于根据距离参数从距离分值匹配列表中进行查询获得评分结果，其中，距离分值匹配列表中包含了距离参数与分值的对应关系。
可选的，在上述技术方案的基础上，距离参数确定模块，还用于：
确定语音片段中每个语音帧所对应的基本语音单元与标准语音单元的子距离；
计算子距离的平均值，并将计算结果作为距离参数。
可选的，在上述技术方案的基础上，发音纠正方式确定模块，包括：
嘴部特征元素获取模块，用于获取面部图像信息中的嘴部特征元素，其中，嘴部特征元素中包含嘴部特征点的位置和舌头的状态；
发音规则获取模块，用于获取与标准语音单元所对应的发音规则，其中，发音规则中包含标准语音单元所对应的嘴部标准特征点的位置和舌头的标准状态；
发音纠正方式确定模块，用于根据嘴部特征元素和发音规则确定发音纠正方式。
可选的，在上述技术方案的基础上，发音纠正方式确定模块，具体用于：
将嘴部特征点的位置与嘴部标准特征点的位置进行对比，根据对比结果确定嘴型的纠正方式；
将舌头的状态与舌头的标准状态进行对比，根据对比结果确定舌头的纠正方式；
根据嘴型的纠正方式和舌头的纠正方式确定发音纠正方式。
可选的，在上述技术方案的基础上，装置还包括报警模块，用于：
对发音纠正方式进行检测；
根据检测结果确定发音纠正方式错误的情况下，进行报警提示。
本公开实施例提供的发音纠正装置，与上述各实施例提供的发音纠正方法属于同一构思，未在本公开实施例中详尽描述的技术细节可参见上述各实施例，并且本公开实施例与上述各实施例具有相同的有益效果。
实施例四
下面参考图4，其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开实施例中的电子设备可以是应用程序的后端服务平台对应的设备，还可以是安装有应用程序客户端的移动终端设备。具体的，该电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开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400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开中，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。而在本公开中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备内部进程执行：获取待测用户的语音信息；提取语音信息中包含基本语音单元的语音片段，并对语音片段进行评分获得评分结果；在确定评分结果小于预设分值时，获取与语音片段对应的待测用户的面部图像信息；对面部图像信息进行识别确定发音纠正方式。
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公开的操作的计算机程序代码，上述程序设计语言包括但不限于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)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，该模块、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，两个接连地表示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操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，【示例1】提供了一种发音纠正方法，包括：
获取待测用户的语音信息；
提取所述语音信息中包含基本语音单元的语音片段，并对所述语音片段进行评分获得评分结果；
在确定评分结果小于预设分值时，获取与所述语音片段对应的待测用户的面部图像信息；
对所述面部图像信息进行识别确定发音纠正方式。
根据本公开的一个或多个实施例，【示例2】提供了示例1的方法，还包括：
所述基本语音单元包括：音节或音素。
根据本公开的一个或多个实施例，【示例3】提供了示例2的方法，还包括：
确定所述语音片段中的基本语音单元与标准语音单元的距离参数；
根据所述距离参数从距离分值匹配列表中进行查询获得所述评分结果，其中，所述距离分值匹配列表中包含了距离参数与分值的对应关系。
根据本公开的一个或多个实施例，【示例4】提供了示例3的方法，还包括：
确定所述语音片段中每个语音帧所对应的基本语音单元与标准语音单元的子距离；
计算所述子距离的平均值，并将计算结果作为所述距离参数。
根据本公开的一个或多个实施例，【示例5】提供了示例3的方法，还包括：
获取面部图像信息中的嘴部特征元素，其中，所述嘴部特征元素中包含嘴部特征点的位置和舌头的状态；
获取与所述标准语音单元所对应的发音规则，其中，所述发音规则中包含标准语音单元所对应的嘴部标准特征点的位置和舌头的标准状态；
根据所述嘴部特征元素和所述发音规则确定所述发音纠正方式。
根据本公开的一个或多个实施例，【示例6】提供了示例5的方法，还包括：
将所述嘴部特征点的位置与所述嘴部标准特征点的位置进行对比，根据对比结果确定嘴型的纠正方式；
将所述舌头的状态与所述舌头的标准状态进行对比，根据对比结果确定舌头的纠正方式；
根据所述嘴型的纠正方式和所述舌头的纠正方式确定所述发音纠正方式。
根据本公开的一个或多个实施例，【示例7】提供了示例1至6任一项所述的方法，还包括：
对所述发音纠正方式进行检测；
根据检测结果确定所述发音纠正方式错误的情况下，进行报警提示。
根据本公开的一个或多个实施例，【示例8】提供了一种发音纠正装置，包括：
语音信息获取模块，用于获取待测用户的语音信息；
语音评分模块，用于提取所述语音信息中包含基本语音单元的语音片段，并对所述语音片段进行评分获得评分结果；
面部图像信息获取模块，用于在确定评分结果小于预设分值时，获取与所述语音片段对应的待测用户的面部图像信息；
发音纠正方式确定模块，用于对所述面部图像信息进行识别确定发音纠正方式。
根据本公开的一个或多个实施例，【示例9】提供了示例8的装置，所述基本语音单元包括：音节或音素。
根据本公开的一个或多个实施例，【示例10】提供了示例9的装置，语音评分模块，包括：
距离参数确定模块，用于确定所述语音片段中的基本语音单元与标准语音单元的距离参数；
评分结果获得模块，用于根据所述距离参数从距离分值匹配列表中进行查询获得所述评分结果，其中，所述距离分值匹配列表中包含了距离参数与分值的对应关系。
根据本公开的一个或多个实施例，【示例11】提供了示例10的装置，距离参数确定模块，还用于：
确定所述语音片段中每个语音帧所对应的基本语音单元与标准语音单元的子距离；
计算所述子距离的平均值，并将计算结果作为所述距离参数。
根据本公开的一个或多个实施例，【示例12】提供了示例10的装置，发音纠正方发确定模块，包括：
嘴部特征元素获取模块，用于获取面部图像信息中的嘴部特征元素，其中，所述嘴部特征元素中包含嘴部特征点的位置和舌头的状态；
发音规则获取模块，用于获取与所述标准语音单元所对应的发音规则，其中，所述发音规则中包含标准语音单元所对应的嘴部标准特征点的位置和舌头的标准状态；
发音纠正方式确定模块，用于根据所述嘴部特征元素和所述发音规则确定所述发音纠正方式。
根据本公开的一个或多个实施例，【示例13】提供了示例12的装置，发音纠正方式确定模块，用于：
将所述嘴部特征点的位置与所述嘴部标准特征点的位置进行对比，根据对比结果确定嘴型的纠正方式；
将所述舌头的状态与所述舌头的标准状态进行对比，根据对比结果确定舌头的纠正方式；
根据所述嘴型的纠正方式和所述舌头的纠正方式确定所述发音纠正方式。
根据本公开的一个或多个实施例，【示例14】提供了示例8至13任一项所述的装置，还包括报警模块，用于：
对所述发音纠正方式进行检测；
根据检测结果确定所述发音纠正方式错误的情况下，进行报警提示。
根据本公开的一个或多个实施例，【示例15】提供了一种电子设备，包括存储器、处理装置及存储在存储器上并可在处理装置上运行的计算机程序，其特征在于，所述处理装置执行所述程序时实现如示例1-7中任一所述的方法。
根据本公开的一个或多个实施例，【示例16】提供了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如示例1-7中任一所述的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种发音纠正方法，其特征在于，包括：
获取待测用户的语音信息；
提取所述语音信息中包含基本语音单元的语音片段，并对所述语音片段进行评分获得评分结果；
在确定评分结果小于预设分值时，获取与所述语音片段对应的待测用户的面部图像信息；
对所述面部图像信息进行识别确定发音纠正方式。
2.根据权利要求1所述的方法，其特征在于，所述基本语音单元包括：音节或音素。
3.根据权利要求2所述的方法，其特征在于，所述对所述语音片段进行评分获得评分结果，包括：
确定所述语音片段中的基本语音单元与标准语音单元的距离参数；
根据所述距离参数从距离分值匹配列表中进行查询获得所述评分结果，其中，所述距离分值匹配列表中包含了距离参数与分值的对应关系。
4.根据权利要求3所述的方法，其特征在于，所述确定所述语音片段中的基本语音单元与标准语音单元的距离参数，包括：
确定所述语音片段中每个语音帧所对应的基本语音单元与标准语音单元的子距离；
计算所述子距离的平均值，并将计算结果作为所述距离参数。
5.根据权利要求3所述的方法，其特征在于，所述对所述面部图像信息进行识别确定发音纠正方式，包括：
获取面部图像信息中的嘴部特征元素，其中，所述嘴部特征元素中包含嘴部特征点的位置和舌头的状态；
获取与所述标准语音单元所对应的发音规则，其中，所述发音规则中包含标准语音单元所对应的嘴部标准特征点的位置和舌头的标准状态；
根据所述嘴部特征元素和所述发音规则确定所述发音纠正方式。
6.根据权利要求5所述的方法，其特征在于，所述根据所述嘴部特征元素和所述发音规则确定所述发音纠正方式，包括：
将所述嘴部特征点的位置与所述嘴部标准特征点的位置进行对比，根据对比结果确定嘴型的纠正方式；
将所述舌头的状态与所述舌头的标准状态进行对比，根据对比结果确定舌头的纠正方式；
根据所述嘴型的纠正方式和所述舌头的纠正方式确定所述发音纠正方式。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述对所述面部图像信息进行识别确定发音纠正方式之后，还包括：
对所述发音纠正方式进行检测；
根据检测结果确定所述发音纠正方式错误的情况下，进行报警提示。
8.一种发音纠正装置，其特征在于，包括：
语音信息获取模块，用于获取待测用户的语音信息；
语音评分模块，用于提取所述语音信息中包含基本语音单元的语音片段，并对所述语音片段进行评分获得评分结果；
面部图像信息获取模块，用于在确定评分结果小于预设分值时，获取与所述语音片段对应的待测用户的面部图像信息；
发音纠正方式确定模块，用于对所述面部图像信息进行识别确定发音纠正方式。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，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1-7中任一所述的方法。
10.一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1-7中任一所述的方法。
CN202010832916.9A 2020-08-18 2020-08-18 一种发音纠正方法、装置、电子设备及存储介质 Active CN111968676B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010832916.9A CN111968676B (zh) 2020-08-18 2020-08-18 一种发音纠正方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010832916.9A CN111968676B (zh) 2020-08-18 2020-08-18 一种发音纠正方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111968676A true CN111968676A (zh) 2020-11-20
CN111968676B CN111968676B (zh) 2021-10-22

Family

ID=73388911

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010832916.9A Active CN111968676B (zh) 2020-08-18 2020-08-18 一种发音纠正方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111968676B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113257231A (zh) * 2021-07-07 2021-08-13 广州思正电子股份有限公司 一种语言正音系统方法及设备
CN114783049A (zh) * 2022-03-21 2022-07-22 广东工业大学 一种基于深度神经网络视觉识别的口语学习方法及系统
WO2022194044A1 (zh) * 2021-03-19 2022-09-22 北京有竹居网络技术有限公司 发音评价方法和装置、存储介质和电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102651217A (zh) * 2011-02-25 2012-08-29 株式会社东芝 用于合成语音的方法、设备以及用于语音合成的声学模型训练方法
CN107424450A (zh) * 2017-08-07 2017-12-01 英华达（南京）科技有限公司 发音纠正系统和方法
CN109697976A (zh) * 2018-12-14 2019-04-30 北京葡萄智学科技有限公司 一种发音识别方法及装置
US20190189116A1 (en) * 2017-12-15 2019-06-20 International Business Machines Corporation Pronunciation analysis and correction feedback
CN210295461U (zh) * 2019-05-09 2020-04-10 武汉城市职业学院 一种用于提高职场沟通效果的普通话发音纠正设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102651217A (zh) * 2011-02-25 2012-08-29 株式会社东芝 用于合成语音的方法、设备以及用于语音合成的声学模型训练方法
CN107424450A (zh) * 2017-08-07 2017-12-01 英华达（南京）科技有限公司 发音纠正系统和方法
US20190189116A1 (en) * 2017-12-15 2019-06-20 International Business Machines Corporation Pronunciation analysis and correction feedback
CN109697976A (zh) * 2018-12-14 2019-04-30 北京葡萄智学科技有限公司 一种发音识别方法及装置
CN210295461U (zh) * 2019-05-09 2020-04-10 武汉城市职业学院 一种用于提高职场沟通效果的普通话发音纠正设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022194044A1 (zh) * 2021-03-19 2022-09-22 北京有竹居网络技术有限公司 发音评价方法和装置、存储介质和电子设备
CN113257231A (zh) * 2021-07-07 2021-08-13 广州思正电子股份有限公司 一种语言正音系统方法及设备
CN113257231B (zh) * 2021-07-07 2021-11-26 广州思正电子股份有限公司 一种语言正音系统方法及设备
CN114783049A (zh) * 2022-03-21 2022-07-22 广东工业大学 一种基于深度神经网络视觉识别的口语学习方法及系统

Also Published As

Publication number Publication date
CN111968676B (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN111968676B (zh) 一种发音纠正方法、装置、电子设备及存储介质
CN110969012B (zh) 文本纠错方法、装置、存储介质及电子设备
CN112115706B (zh) 文本处理方法、装置、电子设备及介质
CN112966712A (zh) 语言模型训练方法、装置、电子设备和计算机可读介质
US11132996B2 (en) Method and apparatus for outputting information
CN113378586B (zh) 语音翻译方法、翻译模型训练方法、装置、介质及设备
CN111897976A (zh) 一种虚拟形象合成方法、装置、电子设备及存储介质
CN113724709A (zh) 文本内容匹配方法、装置、电子设备及存储介质
CN111667810B (zh) 多音字语料的获取方法、装置、可读介质和电子设备
CN111868823A (zh) 一种声源分离方法、装置及设备
CN111209354A (zh) 一种地图兴趣点判重的方法、装置及电子设备
CN109829431B (zh) 用于生成信息的方法和装置
CN111126159A (zh) 用于实时跟踪行人的方法、装置、电子设备和介质
CN111949837A (zh) 信息处理方法、装置、电子设备以及存储介质
CN112185186B (zh) 一种发音纠正方法、装置、电子设备及存储介质
CN111916050A (zh) 语音合成方法、装置、存储介质和电子设备
CN112069786A (zh) 文本信息处理方法、装置、电子设备及介质
CN109816670B (zh) 用于生成图像分割模型的方法和装置
CN115171122A (zh) 一种点读处理方法、装置、设备及介质
CN114297409A (zh) 模型训练方法、信息抽取方法及装置、电子设备、介质
CN116821327A (zh) 文本数据处理方法、装置、设备、可读存储介质及产品
CN112509581B (zh) 语音识别后文本的纠错方法、装置、可读介质和电子设备
CN111221424B (zh) 用于生成信息的方法、装置、电子设备和计算机可读介质
CN112309385A (zh) 一种语音识别方法、装置、电子设备及介质
CN113223496A (zh) 一种语音技能测试方法、装置及设备

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