CN112185186B - 一种发音纠正方法、装置、电子设备及存储介质 - Google Patents

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：从待测用户的语音信息中提取与话者无关的声学特征；根据待测用户的与话者无关的特征信息获得待测用户的发音特征信息；根据待测用户的发音特征信息确定发音纠正方式。通过从待测用户的语音信息中提取与话者无关的特征信息，根据与话者无关的特征信息可以获得任意待测用户的发音特征信息，并根据发音特征信息确定出针对待测用户的发音纠正方式，从而针对任意待测用户都可以在口语教学的过程中，实现快速准确的发音纠正。

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，目前通常是通过口语测评进行发音打分评价，给出一个参数分数，但是在具体查找语音错误原因时，由于发音器官在口腔内部，除非极其有经验的专业老师，否则很难找到造成发音错误的原因，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：从待测用户的语音信息中提取与话者无关的特征信息；

根据待测用户的与话者无关的特征信息获得待测用户的发音特征信息；

根据待测用户的发音特征信息确定发音纠正方式。

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：

与话者无关的特征信息提取模块，用于从待测用户的语音信息中提取与话者无关的特征信息；

发音特征信息获取模块，用于根据待测用户的与话者无关的特征信息获得待测用户的发音特征信息；

发音纠正方式确定模块，用于根据待测用户的发音特征信息确定发音纠正方式。

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，通过从待测用户的语音信息中提取与话者无关的特征信息，根据与话者无关的特征信息可以获得任意待测用户的发音特征信息，并根据发音特征信息确定出针对待测用户的发音纠正方式，从而针对任意待测用户都可以在口语教学的过程中，实现快速准确的发音纠正。

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是本公开实施例一提供的一种发音纠正方法的流程图；

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发音纠正方法的流程图，本实施例可适用于对待测用户的发音进行纠正的情况，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所示，本公开实施例中的方法可以包括如下步骤：

步骤101，从待测用户的语音信息中提取与话者无关的特征信息。

可选的，从待测用户的语音信息中提取与话者无关的特征信息，可以包括：将待测用户的语音信息输入与话者无关的自动语音识别ASR模型；通过ASR模型从语音信息中提取语音后验概率PPG，并将PPG作为所述与话者无关的特征信息。

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照顺序进行阅读，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，并截取指定时间范围内所采集的语音进行测评，并将所截取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具体截取的时间范围，可以根据实际需要进行截取。

其中，本实施方式中的与话者无关的特征信息具体可以是语音后验概率(Phonetic PosteriorGram，PPG)，并且可以是通过与话者无关的自动语音识别(AutomaticSpeech Recognition，ASR)模型来提取的。与话者无关的ASR模型在对待测用户的语音信息进行识别转换成文本的过程中，会提取语音信息中的PPG，其中，PPG中包含与时间范围和语音类别范围想对应的值集合，并且在PPG中是不包含音频、音色和声调等声学元素的，因此通过ASR模型所提取的PPG是与话者无关的。例如，用户a和用户b都读相同的词，则分别所提取的PPG是相同的，而不受说话者的影响，只与不同用户所读取的内容是否相同来决定。由于关于PPG的具体特性以及提取方式并不是本申请的重点，因此本实施方式中不再对其进行赘述。

步骤102，根据待测用户的与话者无关的特征信息获得待测用户的发音特征信息。

可选的，待测用户的发音特征信息由电磁发声动作扫描仪(ElectromagneticArticulography，EMA)特征表征。

可选的，根据待测用户的与话者无关的特征信息获得待测用户的发音特征信息，可以包括：将待测用户的与话者无关特征信息输入预先训练的电磁发声动作扫描仪EMA预测模型，获得待测用户的预测EMA特征。

可选的，将待测用户的与话者无关的特征信息输入预先训练的电磁发声动作扫描仪EMA预测模型，获得待测用户的预测EMA特征之前，还可以包括：获取包含与话者无关的特征信息与EMA特征的样本；通过样本对EMA预测模型进行训练，以确定EMA预测模型中与话者无关的特征信息与EMA特征的映射参数。

可选的，将待测用户的与话者无关的特征信息输入预先训练的电磁发声动作扫描仪EMA预测模型，获得待测用户的预测EMA特征，可以包括：将待测用户的与话者无关的特征信息输入预先训练的EMA预测模型；通过映射参数获得待测用户的预测EMA特征。

可选的，EMA特征包括：上唇位置信息、下唇位置信息、下巴位置信息和/或舌头位置信息。

其中，在对待测用户进行正式测试之前，首先获取包含与话者无关的特征信息PPG与EMA特征的样本。获取样本的方式具体可以是将电磁发声动作扫描仪的六个电极分别固定在老师的上唇、下唇、下巴、舌头前端、舌头中部和舌头后端六个位置，其中，舌头的前端、中部和后端的具体位置用户可以根据实际情况进行选择，本实施方式中并不对其进行严格限定。老师在按照提前写好的文字按照顺序进行阅读的过程中，会通过六个电极分别采集老师的上唇位置信息、下唇位置信息、下巴位置信息和舌头位置信息，每一个位置信息分别为二维数据，即包括水平坐标和竖直坐标，因此一共获得6个二维数据作为EMA特征。同时，在老师读取文字的过程中，还会通过与话者无关的ASR模型提取老师所发语音的PPG，针对每一次发音分别获得一个包含PPG与EMA特征的样本，可以通过老师读取不同的文本获得所需数量的样本，并通过所获取的样本对EMA预测模型进行训练，以确定EMA预测模型中与话者无关的特征信息与EMA特征的映射参数。

具体的说，在完成对EMA预测模型的训练后，在对学生进行教学的过程中，不论是成本限制还是教学舒适度的要求都不可能针对每一个学生佩戴获取EMA特征的电极。因此在对学生进行发音纠正教学的过程中，当学生a按照给定的文本进行读取的过程中，可以将通过与话者无关的ASR模型所提取的PPG输入预选训练的EMA预测模型，EMA预测模型能够根据训练时所获取的映射参数输出学生a的预测EMA特征。例如，得出学生a的预测EMA特征包括：上唇位置信息(x1,y1)、下唇位置信息(x2,y2)、下巴位置信息(x3,y3)、舌头前端位置信息(x4,y4)、舌头中部位置信息(x5,y5)和舌头后端位置信息(x6,y6)。

需要说明的是，由于PPG是与话者无关的，因此EMA预测模型虽然仅是根据老师的数据进行训练的，但是在进行应用的过程中，可以针对不同学生的EMA特征进行预测。

步骤103，根据待测用户的发音特征信息确定发音纠正方式。

可选的，在待测用户的发音特征信息由电磁发声动作扫描仪EMA特征表征时，根据待测用户的发音特征信息确定发音纠正方式，可以包括：根据预测EMA特征确定发音纠正方式

可选的，根据预测EMA特征确定发音纠正方式，可以包括：获取与语音信息所对应的发音规则，其中，发音规则中包含语音信息在发音标准的情况下所对应的标准EMA特征；将预测EMA特征与标准EMA特征进行对比，根据对比结果确定发音纠正方式。

可选的，将预测EMA特征与标准EMA特征进行对比，根据对比结果确定发音纠正方式，可以包括：将预测EMA特征与标准EMA特征进行对比，根据对比结果确定差值超过预设阈值的差异性位置信息；根据差异性位置信息确定发音纠正方式。

具体的说，本实施方式中还会获取与语音信息所对应的发音规则，而在发音规则中包含语音信息在发音标准的情况下所对应的EMA特征，例如，当前学生a在读取指定的文本时，文本所对应的语音信息包含音素“o”，而语音信息音素“o”所对应的标准EMA特征包括：上唇位置信息(x1^、,y1^、)、下唇位置信息(x^、,y2^、)、下巴位置信息(x3^、,y3^、)、舌头前端位置信息(x4^、,y4^、)、舌头中部位置信息(x5^、,y5^、)和舌头后端位置信息(x6^、,y6^、)。同时学生a在读取指定的文本时，通过EMA预测模型所获得的预测EMA特征包括：上唇位置信息(x1,y1)、下唇位置信息(x2,y2)、下巴位置信息(x3,y3)、舌头前端位置信息(x4,y4)、舌头中部位置信息(x5,y5)和舌头后端位置信息(x6,y6)。将预测EMA特征与标准EMA特征进行对比，根据对比结果确定差值超过预设阈值的差异性位置信息，根据差异性位置信息确定发音纠正方式。

其中，在根据对比结果确定舌头前端位置信息(x4,y4)与(x4^、,y4^、)的差值超过预设阈值，具体是y4与y4^、的差值超过预设阈值，并且y4小于y4^、，则确定舌头前端为差异性位置信息，并且确定发音纠正方式为：将舌头前端向上抬。当然，本实施方式中仅是以舌头前端为差异性位置信息为例进行的举例说明，本实施方式中并不对差异性位置信息的具体内容进行限定。

本公开实施例中，通过从待测用户的语音信息中提取与话者无关的特征信息，根据与话者无关的特征信息可以获得任意待测用户的发音特征信息，并根据发音特征信息确定出针对待测用户的发音纠正方式，从而针对任意待测用户都可以在口语教学的过程中，实现快速准确的发音纠正。

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，从待测用户的语音信息中提取与话者无关的特征信息。

可选的，从待测用户的语音信息中提取与话者无关的特征信息，可以包括：将待测用户的语音信息输入与话者无关的自动语音识别ASR模型；通过ASR模型从语音信息中提取语音后验概率PPG，并将PPG作为所述与话者无关的特征信息。

步骤202，根据待测用户的与话者无关的特征信息获得待测用户的发音特征信息。

可选的，待测用户的发音特征信息由电磁发声动作扫描仪(ElectromagneticArticulography，EMA)特征表征。

可选的，根据待测用户的与话者无关的特征信息获得待测用户的发音特征信息，可以包括：将待测用户的与话者无关特征信息输入预先训练的电磁发声动作扫描仪EMA预测模型，获得待测用户的预测EMA特征。

可选的，将待测用户的与话者无关的特征信息输入预先训练的电磁发声动作扫描仪EMA预测模型，获得待测用户的预测EMA特征之前，还可以包括：获取包含与话者无关的特征信息与EMA特征的样本；通过样本对EMA预测模型进行训练，以确定EMA预测模型中与话者无关的特征信息与EMA特征的映射参数。

可选的，将待测用户的特征信息输入预先训练的电磁发声动作扫描仪EMA预测模型，获得待测用户的预测EMA特征，可以包括：将待测用户的特征信息输入预先训练的EMA预测模型；通过映射参数获得待测用户的预测EMA特征。

可选的EMA特征包括：上唇位置信息、下唇位置信息、下巴位置信息和/或舌头位置信息。

步骤203，根据待测用户的发音特征信息确定发音纠正方式。

可选的，在待测用户的发音特征信息由电磁发声动作扫描仪EMA特征表征时，根据待测用户的发音特征信息确定发音纠正方式，可以包括：根据预测EMA特征确定发音纠正方式。

可选的，根据预测EMA特征确定发音纠正方式，可以包括：获取与语音信息所对应的发音规则，其中，发音规则中包含语音信息在发音标准的情况下所对应的标准EMA特征；将预测EMA特征与标准EMA特征进行对比，根据对比结果确定发音纠正方式。

可选的，将预测EMA特征与标准EMA特征进行对比，根据对比结果确定发音纠正方式，可以包括：将预测EMA特征与标准EMA特征进行对比，根据对比结果确定差值超过预设阈值的差异性位置信息；根据差异性位置信息确定发音纠正方式。

步骤204，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，待测用户的上唇和下唇为闭合状态，但发音纠正方式中要求将下唇的位置进行上调，以达到减小上唇与下唇之间的距离，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。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EMA预测模型进行检修。

本公开实施例中，通过从待测用户的语音信息中提取与话者无关的特征信息，根据与话者无关的特征信息可以获得任意待测用户的发音特征信息，并根据发音特征信息确定出针对待测用户的发音纠正方式，从而针对任意待测用户都可以在口语教学的过程中，实现快速准确的发音纠正。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：

与话者无关的特征信息提取模块310，用于从待测用户的语音信息中提取与话者无关的特征信息；

发音特征信息获取模块320，用于根据待测用户的与话者无关的特征信息获得待测用户的发音特征信息；

发音纠正方式确定模块330，用于根据待测用户的发音特征信息确定发音纠正方式。

本公开实施例中，通过从待测用户的语音信息中提取与话者无关的特征信息，根据与话者无关的特征信息可以获得任意待测用户的发音特征信息，并根据发音特征信息确定出针对待测用户的发音纠正方式，从而针对任意待测用户都可以在口语教学的过程中，实现快速准确的发音纠正。

可选的，在上述技术方案的基础上，待测用户的发音特征信息由电磁发声动作扫描仪EMA特征表征。

可选的，在上述技术方案的基础上，发音特征信息获取模块包括预测EMA特征获取模块，用于：将待测用户的与话者无关特征信息输入预先训练的电磁发声动作扫描仪EMA预测模型，获得待测用户的预测EMA特征；

发音纠正方式确定模块用于：根据预测EMA特征确定发音纠正方式。

可选的，在上述技术方案的基础上，与话者无关的特征信息提取模块,用于：

将待测用户的语音信息输入与话者无关的自动语音识别ASR模型；

通过ASR模型从语音信息中提取语音后验概率PPG，并将PPG作为与话者无关的特征信息。

可选的，在上述技术方案的基础上，装置还包括：

EMA预测模型训练模块，用于获取包含与话者无关的特征信息与EMA特征的样本；

通过样本对EMA预测模型进行训练，以确定EMA预测模型中与话者无关的特征信息与EMA特征的映射参数。

可选的，在上述技术方案的基础上，预测EMA特征获取模块，用于：将待测用户的与话者无关的特征信息输入预先训练的EMA预测模型；

通过映射参数获得待测用户的预测EMA特征。

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：

发音规则获取子模块，用于获取与语音信息所对应的发音规则，其中，发音规则中包含语音信息在发音标准的情况下所对应的标准EMA特征；

发音纠正方式确定子模块，用于将预测EMA特征与标准EMA特征进行对比，根据对比结果确定发音纠正方式。

可选的，在上述技术方案的基础上，EMA特征包括：上唇位置信息、下唇位置信息、下巴位置信息和/或舌头位置信息。

可选的，在上述技术方案的基础上，发音纠正方式确定子模块，还用于：

将预测EMA特征与标准EMA特征进行对比，根据对比结果确定差值超过预设阈值的差异性位置信息；

根据差异性位置信息确定发音纠正方式。

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：从待测用户的语音信息中提取与话者无关的特征信息；将待测用户的特征信息输入预先训练的电磁发声动作扫描仪EMA预测模型，获得待测用户的预测EMA特征；根据预测EMA特征确定发音纠正方式。

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：

从待测用户的语音信息中提取与话者无关的特征信息；

根据待测用户的所述与话者无关的特征信息获得所述待测用户的发音特征信息；

根据所述待测用户的发音特征信息确定发音纠正方式。

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：所述待测用户的发音特征信息由电磁发声动作扫描仪EMA特征表征。

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：

将待测用户的所述与话者无关特征信息输入预先训练的电磁发声动作扫描仪EMA预测模型，获得所述待测用户的预测EMA特征；

所述根据所述待测用户的发音特征信息确定发音纠正方式包括：

根据所述预测EMA特征确定发音纠正方式。

根据本公开的一个或多个实施例，【示例4】提供了示例1的方法，还包括：

将待测用户的所述语音信息输入与话者无关的自动语音识别ASR模型；

通过所述ASR模型从所述语音信息中提取语音后验概率PPG，并将所述PPG作为所述与话者无关的特征信息。

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：

获取包含与话者无关的特征信息与EMA特征的样本；

通过所述样本对所述EMA预测模型进行训练，以确定所述EMA预测模型中与话者无关的特征信息与EMA特征的映射参数。

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：

将待测用户的所述与话者无关的特征信息输入预先训练的所述EMA预测模型；

通过所述映射参数获得所述待测用户的所述预测EMA特征。

根据本公开的一个或多个实施例，【示例7】提供了示例3的方法，还包括：

获取与所述语音信息所对应的发音规则，其中，所述发音规则中包含所述语音信息在发音标准的情况下所对应的标准EMA特征；

将所述预测EMA特征与标准EMA特征进行对比，根据对比结果确定发音纠正方式。

根据本公开的一个或多个实施例，【示例8】提供了示例7的方法，所述EMA特征包括：上唇位置信息、下唇位置信息、下巴位置信息和/或舌头位置信息。

根据本公开的一个或多个实施例，【示例9】提供了示例8的方法，还包括：

将所述预测EMA特征与标准EMA特征进行对比，根据对比结果确定差值超过预设阈值的差异性位置信息；

根据所述差异性位置信息确定发音纠正方式。

根据本公开的一个或多个实施例，【示例10】提供了一种发音纠正装置，包括：

与话者无关的特征信息提取模块，用于从待测用户的语音信息中提取与话者无关的特征信息；

发音特征信息获取模块，用于根据待测用户的所述与话者无关的特征信息获得所述待测用户的发音特征信息；

发音纠正方式确定模块，用于根据所述待测用户的发音特征信息确定发音纠正方式。

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，所述待测用户的发音特征信息由电磁发声动作扫描仪EMA特征表征。

根据本公开的一个或多个实施例，【示例12】提供了示例11的装置，发音特征信息获取模块包括预测EMA特征获取模块，用于：将待测用户的所述与话者无关特征信息输入预先训练的电磁发声动作扫描仪EMA预测模型，获得所述待测用户的预测EMA特征；

所述发音纠正方式确定模块用于：根据预测EMA特征确定发音纠正方式。

根据本公开的一个或多个实施例，【示例13】提供了示例10的装置，与话者无关的特征信息提取模块，用于：

将待测用户的所述语音信息输入与话者无关的自动语音识别ASR模型；

通过所述ASR模型从所述语音信息中提取语音后验概率PPG，并将所述PPG作为所述与话者无关的特征信息。

根据本公开的一个或多个实施例，【示例14】提供了示例12的装置，还包括：

EMA预测模型训练模块，用于获取包含与话者无关的特征信息与EMA特征的样本；

通过所述样本对所述EMA预测模型进行训练，以确定所述EMA预测模型中与话者无关的特征信息与EMA特征的映射参数。

根据本公开的一个或多个实施例，【示例15】提供了示例14的装置，预测EMA特征获取模块，用于：

将待测用户的所述与话者无关的特征信息输入预先训练的所述EMA预测模型；

通过所述映射参数获得所述待测用户的所述预测EMA特征。

根据本公开的一个或多个实施例，【示例16】提供了示例12的装置，发音纠正方式确定模块，包括：

发音规则获取子模块，用于获取与所述语音信息所对应的发音规则，其中，所述发音规则中包含所述语音信息在发音标准的情况下所对应的标准EMA特征；

发音纠正方式确定子模块，用于将所述预测EMA特征与标准EMA特征进行对比，根据对比结果确定发音纠正方式。

根据本公开的一个或多个实施例，【示例17】提供了示例16的装置：上唇位置信息、下唇位置信息、下巴位置信息和/或舌头位置信息。

根据本公开的一个或多个实施例，【示例18】提供了示例17的装置，发音纠正方式确定子模块，用于：将所述预测EMA特征与标准EMA特征进行对比，根据对比结果确定差值超过预设阈值的差异性位置信息；

根据所述差异性位置信息确定发音纠正方式。

根据本公开的一个或多个实施例，【示例19】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1-9中任一所述的方法。

根据本公开的一个或多个实施例，【示例20】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1-9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：

从待测用户的语音信息中提取与话者无关的特征信息；

根据待测用户的所述与话者无关的特征信息获得所述待测用户的发音特征信息，其中，所述待测用户的发音特征信息由电磁发声动作扫描仪EMA特征表征；

根据所述待测用户的发音特征信息确定发音纠正方式；

所述根据待测用户的所述与话者无关的特征信息获得所述待测用户的发音特征信息，包括：将待测用户的所述与话者无关特征信息输入预先训练的电磁发声动作扫描仪EMA预测模型，获得所述待测用户的预测EMA特征；

所述从待测用户的语音信息中提取与话者无关的特征信息，包括：将待测用户的所述语音信息输入与话者无关的自动语音识别ASR模型；通过所述ASR模型从所述语音信息中提取语音后验概率PPG，并将所述PPG作为所述与话者无关的特征信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述待测用户的发音特征信息确定发音纠正方式包括：

根据所述预测EMA特征确定发音纠正方式。

3.根据权利要求1所述的方法，其特征在于，所述将待测用户的所述与话者无关的特征信息输入预先训练的电磁发声动作扫描仪EMA预测模型，获得所述待测用户的预测EMA特征之前，还包括：

获取包含与话者无关的特征信息与EMA特征的样本；

通过所述样本对所述EMA预测模型进行训练，以确定所述EMA预测模型中与话者无关的特征信息与EMA特征的映射参数。

4.根据权利要求3所述的方法，其特征在于，所述将待测用户的所述与话者无关的特征信息输入预先训练的电磁发声动作扫描仪EMA预测模型，获得所述待测用户的预测EMA特征，包括：

将待测用户的所述与话者无关的特征信息输入预先训练的所述EMA预测模型；

通过所述映射参数获得所述待测用户的所述预测EMA特征。

5.根据权利要求2所述的方法，其特征在于，所述根据所述预测EMA特征确定发音纠正方式，包括：

获取与所述语音信息所对应的发音规则，其中，所述发音规则中包含所述语音信息在发音标准的情况下所对应的标准EMA特征；

将所述预测EMA特征与标准EMA特征进行对比，根据对比结果确定发音纠正方式。

6.根据权利要求5所述的方法，其特征在于，所述EMA特征包括：上唇位置信息、下唇位置信息、下巴位置信息和/或舌头位置信息。

7.根据权利要求6所述的方法，其特征在于，所述将所述预测EMA特征与标准EMA特征进行对比，根据对比结果确定发音纠正方式，包括：

将所述预测EMA特征与标准EMA特征进行对比，根据对比结果确定差值超过预设阈值的差异性位置信息；

根据所述差异性位置信息确定发音纠正方式。

8.一种发音纠正装置，其特征在于，包括：

与话者无关的特征信息提取模块，用于从待测用户的语音信息中提取与话者无关的特征信息；

发音特征信息获取模块，用于根据待测用户的所述与话者无关的特征信息获得所述待测用户的发音特征信息，其中，所述待测用户的发音特征信息由电磁发声动作扫描仪EMA特征表征；

发音纠正方式确定模块，用于根据所述待测用户的发音特征信息确定发音纠正方式；

所述发音特征信息获取模块，用于将待测用户的所述与话者无关特征信息输入预先训练的电磁发声动作扫描仪EMA预测模型，获得所述待测用户的预测EMA特征；

与话者无关的特征信息提取模块，用于将待测用户的所述语音信息输入与话者无关的自动语音识别ASR模型；通过所述ASR模型从所述语音信息中提取语音后验概率PPG，并将所述PPG作为所述与话者无关的特征信息。

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。

Images