CN113077820A - 一种语音评测方法、装置、设备及存储介质 - Google Patents
一种语音评测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113077820A CN113077820A CN202110301596.9A CN202110301596A CN113077820A CN 113077820 A CN113077820 A CN 113077820A CN 202110301596 A CN202110301596 A CN 202110301596A CN 113077820 A CN113077820 A CN 113077820A
- Authority
- CN
- China
- Prior art keywords
- tone
- target
- fundamental frequency
- determining
- voice
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 230000000630 rising effect Effects 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 29
- 238000012887 quadratic function Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000001174 ascending effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000037433 frameshift Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种语音评测方法、装置、设备及存储介质。该方法包括：获取待评测语音信息和目标单词；根据所述待评测语音信息确定所述目标单词对应的目标时间段；基于基频提取算法，提取所述目标时间段内的基频数据；根据所述基频数据进行语音评测，得到语音测评结果，通过本发明的技术方案，能够对音调进行测评。
Description
技术领域
本发明实施例涉及语音评测技术领域，尤其涉及一种语音评测方法、装置、设备及存储介质。
背景技术
当下的经济发展和文化交流，对个人的外语能力要求越来越高。如何快速高效地获取外语技能，是语言教育迫切需要解决的问题。
日益发达的计算机技术，特别是人工智能技术，是实现高效语言学习的重要途径。例如，计算机辅助语言学习技术，可以快速地对学习者的口语进行测评，并指出具体的错误，学习者可以据此有针对性地练习和提高。
目前的语音测评技术大多基于GOP(Goodness Of Pronunciation)算法。给定待测评语音和相应的文本(可表示成音素串)，计算每个音素的后验概率，并根据上述每一后验概率，进行音素级别的语音测评。比如某个音素的后验概率超过一定阈值，则认为学习者对该音素的发音较好，否者判断为发音有误。
这类算法聚焦的是音素级别的评分，基于此可以得到词级别到句子级别的评分，但这类分数对学习者口语的评估是片面的，它只反映了口语的一个基本要素，即发音准确性，并不能够对音调读法进行测评。
发明内容
本发明实施例提供一种语音评测方法、装置、设备及存储介质，以实现能够对音调进行测评。
第一方面，本发明实施例提供了一种语音评测方法，包括：
获取待评测语音信息和目标单词；
根据所述待评测语音信息确定所述目标单词对应的目标时间段；
基于基频提取算法，提取所述目标时间段内的基频数据；
根据所述基频数据进行语音评测，得到语音测评结果。
进一步的，获取目标单词包括：
获取参考文本信息，其中，所述参考文本信息携带音调标记；
根据所述参考文本信息确定所述音调标记对应的目标单词；
进一步的，根据所述待评测语音信息确定所述目标单词对应的目标时间段，包括：
对所述待评测语音信息进行识别，得到所述待评测语音信息对应的每个单词对应的时间段；
获取所述目标单词对应的目标时间段。
进一步的，根据所述基频数据进行语音评测，得到语音测评结果，包括：
根据所述基频数据进行基频斜率分析，得到语音测评结果。
进一步的，根据所述基频数据进行基频斜率分析，得到语音测评结果包括：
获取离散的基频数据；
对离散的基频数据进行二次拟合，得到目标二次函数；
若所述目标二次函数单调递增，则确定所述目标单词读音为升调，若所述音调标记为升调，则音频测评结果为通过，若所述音调标记为降调，则所述语音测评结果为未通过；
若所述目标二次函数单调递减，则确定所述目标单词读音为降调，若所述音调标记为升调，则音频测评结果为未通过，若所述音调标记为降调，则所述语音测评结果为通过。
进一步的，根据所述基频数据进行基频斜率分析，得到语音测评结果包括：
获取离散的基频数据；
对离散的基频数据进行二次拟合，得到目标二次函数；
对所述目标二次函数求导，得到目标导函数；
若在目标时间段内所述目标导函数的值均大于零，则确定所述目标单词读音为升调，若所述音调标记为升调，则音频测评结果为通过，若所述音调标记为降调，则所述语音测评结果为未通过；
若在目标时间段内所述目标导函数的值均小于零，则确定所述目标单词读音为降调，若所述音调标记为升调，则音频测评结果为未通过，若所述音调标记为降调，则所述语音测评结果为通过；
若在目标时间段内所述目标导函数的值存在零值，则获取升调和/或降调的占比，根据所述升调和/或降调的占比确定所述目标单词读音的音调，根据所述目标单词读音的音调和所述音频标记确定语音测评结果。
第二方面，本发明实施例还提供了一种语音评测装置，该装置包括：
获取模块，用于获取待评测语音信息和目标单词；
确定模块，用于根据所述待评测语音信息确定所述目标单词对应的目标时间段；
提取模块，用于基于基频提取算法，提取所述目标时间段内的基频数据；
测评模块，用于根据所述基频数据进行语音评测，得到语音测评结果。
进一步的，所述获取模块具体用于：
获取参考文本信息，其中，所述参考文本信息携带音调标记；
根据所述参考文本信息确定所述音调标记对应的目标单词。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的语音评测方法。
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实施例中任一所述的语音评测方法。
本发明实施例通过获取待评测语音信息和目标单词；根据所述待评测语音信息确定所述目标单词对应的目标时间段；基于基频提取算法，提取所述目标时间段内的基频数据；根据所述基频数据进行语音评测，得到语音测评结果，以实现能够对音调进行测评。
附图说明
为了更清楚地说明本发明实施例的技术方案，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发明的某些实施例，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是本发明实施例一中的一种语音评测方法的流程图；
图2是本发明实施例二中的一种语音评测装置的结构示意图；
图3是本发明实施例三中的一种计算机设备的结构示意图。
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。
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，在本发明的描述中，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。
实施例一
图1为本发明实施例一提供的一种语音评测方法的流程图，本实施例可适用于语音评测的情况，该方法可以由本发明实施例中的语音评测装置来执行，该语音评测装置可采用软件和/或硬件的方式实现，如图1所示，该语音评测方法具体包括如下步骤：
S110，获取待评测语音信息和目标单词。
其中，所述目标单词为预先上传的参考文本中升调或者降调对应的单词。
其中，所述待测评语音信息为需要判断音调是否准确的语音信息。
S120，根据所述待评测语音信息确定所述目标单词对应的目标时间段。
S130，基于基频提取算法，提取所述目标时间段内的基频数据。
S140，根据所述基频数据进行语音评测，得到语音测评结果。
可选的，获取目标单词包括：
获取参考文本信息，其中，所述参考文本信息携带音调标记；
根据所述参考文本信息确定所述音调标记对应的目标单词。
可选的，根据所述待评测语音信息确定所述目标单词对应的目标时间段，包括：
对所述待评测语音信息进行识别，得到所述待评测语音信息对应的每个单词对应的时间段；
获取所述目标单词对应的目标时间段。
可选的，根据所述基频数据进行语音评测，得到语音测评结果，包括：
根据所述基频数据进行基频斜率分析，得到语音测评结果。
可选的，根据所述基频数据进行基频斜率分析，得到语音测评结果包括：
获取离散的基频数据；
对离散的基频数据进行二次拟合，得到目标二次函数；
若所述目标二次函数单调递增，则确定所述目标单词读音为升调，若所述音调标记为升调，则音频测评结果为通过，若所述音调标记为降调，则所述语音测评结果为未通过；
若所述目标二次函数单调递减，则确定所述目标单词读音为降调，若所述音调标记为升调，则音频测评结果为未通过，若所述音调标记为降调，则所述语音测评结果为通过。
可选的，根据所述基频数据进行基频斜率分析，得到语音测评结果包括：
获取离散的基频数据；
对离散的基频数据进行二次拟合，得到目标二次函数；
对所述目标二次函数求导，得到目标导函数；
若在目标时间段内所述目标导函数的值均大于零，则确定所述目标单词读音为升调，若所述音调标记为升调，则音频测评结果为通过，若所述音调标记为降调，则所述语音测评结果为未通过；
若在目标时间段内所述目标导函数的值均小于零，则确定所述目标单词读音为降调，若所述音调标记为升调，则音频测评结果为未通过，若所述音调标记为降调，则所述语音测评结果为通过；
若在目标时间段内所述目标导函数的值存在零值，则获取升调和/或降调的占比，根据所述升调和/或降调的占比确定所述目标单词读音的音调，根据所述目标单词读音的音调和所述音频标记确定语音测评结果。
本发明实施例能够通过分析基频曲线检测英文口语发音评测中句尾升降调。
在英文口语评测应用中，有这样一种需求，就是对一般疑问句等句子是否采用了升调读法进行判断和评测，而对特殊疑问句等句式是否采用了降调读法进行判断和评测。
人耳对升降调的判断，是基于频率的走高和走平、或是走低来实现的。在日常对话中，语调的高低最直接的表现是基频的高低，因此通过对基频走势的判断，可以得知发音是在逐渐升调还是在降调。但日常说话中基频变化的范围较小，不同的上下文对基频也会有所影响，选取哪些范围进行分析是能够准确判断的关键所在。
本发明实施例通过语音识别的词边界信息，截取要求判断升降调标记前的有效语音片段，通过分析基频在这一时间段内的斜率走势，来准确判断用户的发音是升调还是降调。
在英文口语评测中，要求上传要评估的参考文本，以及这些参考文本上的特殊标记，例如：升降调标记。一个例子：评测用户这句英文句子是否用了升调读法：Do you wantsomething to(～)drink？“(～)drink”表明这个词要用升调；
收到这个参考文本后，先去除特殊标记，仅保留文本，形成识别语法，例如：<utt>＝Do you want something to drink；
识别语法进行编译，生成识别器可以识别的解码图，将用户输入的评测语音输入，进行强制语法解码对齐，输出的识别结果中包含每个单词的起始时间信息(精确到毫秒)，该时间信息与解码器保存的用户语音相对应；
从参考文本中得知drink这个词要求评测是否是升调，因此，读取drink的识别信息，获得音频文件中对应的起始时间，并调用基频提取算法，提取此时间范围内的基频。基频提取通常采用10ms帧移和25ms～30ms的分析窗长，因此得到的每一个基频值对应的时间为10ms；
根据drink这个单词对应的时间段内得到的基频点，进行基频斜率分析，具体方法如下：
将drink发音持续时间归一化到[0,100]之间的数
对离散的基频数据进行2次拟合，得到一个二次函数f，对f求导得到导函数df,二次函数拟合可以使用现成的数学库；
对导函数df的分析可以判断出单词对应基频的大致走势，在[0,100]区间内若df的值恒大于0则可判断出f单调递增，从而得出该单词读音是升调，反之，若df的值恒小于0则可判断出f单调递减，从而得出该单词读音是降调。若df在区间内有0值，则表示单词读音是先升调后降调或先降调后升调，可根据升调或降调部分的占比，给出单词最终是升调还是降调的判断。
对标记点的英文发音升降调可做出较为准确的检测，从而构成英文口语发音评测的一个评测维度。
由于采用精准识别时间点来截取需要分析的片段，即节省时间，又增加了可靠性。
上传参考文本和相应标记；抽取文本编译识别语法；解码器语法强制对齐识别，得到与识别缓存语音相对应的词边界时间信息；根据参考标记，截取要评估升降调单词的语音片段进行基频提取，得到基频序列；对基频序列时间点进行0-100归一化，并对基频值进行二次函数拟合，求导；分析导数在整个时间范围内的变化，单增，单减，或者更复杂的变化，设置响应的判决规则来判断是否是升调、降调或平调。
本实施例的技术方案，通过获取待评测语音信息和目标单词；根据所述待评测语音信息确定所述目标单词对应的目标时间段；基于基频提取算法，提取所述目标时间段内的基频数据；根据所述基频数据进行语音评测，得到语音测评结果，以实现能够对音调进行测评。
实施例二
图2为本发明实施例二提供的一种语音评测装置的结构示意图。本实施例可适用于语音评测的情况，该语音评测装置可采用软件和/或硬件的方式实现，该语音评测装置可集成在任何提供语音评测功能的设备中，如图2所示，所述语音评测装置具体包括：获取模块210、确定模块220、提取模块230和测评模块240。
其中，获取模块210，用于获取待评测语音信息和目标单词；
确定模块220，用于根据所述待评测语音信息确定所述目标单词对应的目标时间段；
提取模块230，用于基于基频提取算法，提取所述目标时间段内的基频数据；
测评模块240，用于根据所述基频数据进行语音评测，得到语音测评结果。
可选的，所述获取模块具体用于：
获取参考文本信息，其中，所述参考文本信息携带音调标记；
根据所述参考文本信息确定所述音调标记对应的目标单词。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
本实施例的技术方案，通过获取待评测语音信息和目标单词；根据所述待评测语音信息确定所述目标单词对应的目标时间段；基于基频提取算法，提取所述目标时间段内的基频数据；根据所述基频数据进行语音评测，得到语音测评结果，以实现能够对音调进行测评。
实施例三
图3为本发明实施例三中的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图3显示的计算机设备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3所示，计算机设备12以通用计算设备的形式表现。计算机设备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单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元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(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备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计算机设备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。
系统存储器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(Random Access Memory，RAM)30和/或高速缓存存储器32。计算机设备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3未显示，通常称为“硬盘驱动器”)。尽管图3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(只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，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。系统存储器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，可以存储在例如系统存储器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。
计算机设备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计算机设备12交互的设备通信，和/或与使得该计算机设备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。另外，本实施例中的计算机设备12，显示器24不是作为独立个体存在，而是嵌入镜面中，在显示器24的显示面不予显示时，显示器24的显示面与镜面从视觉上融为一体。并且，计算机设备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(Local Area Network，LAN)，广域网Wide AreaNetwork，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与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备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、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器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语音评测方法：
获取待评测语音信息和目标单词；
根据所述待评测语音信息确定所述目标单词对应的目标时间段；
基于基频提取算法，提取所述目标时间段内的基频数据；
根据所述基频数据进行语音评测，得到语音测评结果。
进一步的，获取目标单词包括：
获取参考文本信息，其中，所述参考文本信息携带音调标记；
根据所述参考文本信息确定所述音调标记对应的目标单词。
进一步的，根据所述待评测语音信息确定所述目标单词对应的目标时间段，包括：
对所述待评测语音信息进行识别，得到所述待评测语音信息对应的每个单词对应的时间段；
获取所述目标单词对应的目标时间段。
进一步的，根据所述基频数据进行语音评测，得到语音测评结果，包括：
根据所述基频数据进行基频斜率分析，得到语音测评结果。
进一步的，根据所述基频数据进行基频斜率分析，得到语音测评结果包括：
获取离散的基频数据；
对离散的基频数据进行二次拟合，得到目标二次函数；
若所述目标二次函数单调递增，则确定所述目标单词读音为升调，若所述音调标记为升调，则音频测评结果为通过，若所述音调标记为降调，则所述语音测评结果为未通过；
若所述目标二次函数单调递减，则确定所述目标单词读音为降调，若所述音调标记为升调，则音频测评结果为未通过，若所述音调标记为降调，则所述语音测评结果为通过。
进一步的，根据所述基频数据进行基频斜率分析，得到语音测评结果包括：
获取离散的基频数据；
对离散的基频数据进行二次拟合，得到目标二次函数；
对所述目标二次函数求导，得到目标导函数；
若在目标时间段内所述目标导函数的值均大于零，则确定所述目标单词读音为升调，若所述音调标记为升调，则音频测评结果为通过，若所述音调标记为降调，则所述语音测评结果为未通过；
若在目标时间段内所述目标导函数的值均小于零，则确定所述目标单词读音为降调，若所述音调标记为升调，则音频测评结果为未通过，若所述音调标记为降调，则所述语音测评结果为通过；
若在目标时间段内所述目标导函数的值存在零值，则获取升调和/或降调的占比，根据所述升调和/或降调的占比确定所述目标单词读音的音调，根据所述目标单词读音的音调和所述音频标记确定语音测评结果。
实施例四
本发明实施例四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申请所有发明实施例提供的语音评测方法：
获取待评测语音信息和目标单词；
根据所述待评测语音信息确定所述目标单词对应的目标时间段；
基于基频提取算法，提取所述目标时间段内的基频数据；
根据所述基频数据进行语音评测，得到语音测评结果。
进一步的，获取目标单词包括：
获取参考文本信息，其中，所述参考文本信息携带音调标记；
根据所述参考文本信息确定所述音调标记对应的目标单词。
进一步的，根据所述待评测语音信息确定所述目标单词对应的目标时间段，包括：
对所述待评测语音信息进行识别，得到所述待评测语音信息对应的每个单词对应的时间段；
获取所述目标单词对应的目标时间段。
进一步的，根据所述基频数据进行语音评测，得到语音测评结果，包括：
根据所述基频数据进行基频斜率分析，得到语音测评结果。
进一步的，根据所述基频数据进行基频斜率分析，得到语音测评结果包括：
获取离散的基频数据；
对离散的基频数据进行二次拟合，得到目标二次函数；
若所述目标二次函数单调递增，则确定所述目标单词读音为升调，若所述音调标记为升调，则音频测评结果为通过，若所述音调标记为降调，则所述语音测评结果为未通过；
若所述目标二次函数单调递减，则确定所述目标单词读音为降调，若所述音调标记为升调，则音频测评结果为未通过，若所述音调标记为降调，则所述语音测评结果为通过。
进一步的，根据所述基频数据进行基频斜率分析，得到语音测评结果包括：
获取离散的基频数据；
对离散的基频数据进行二次拟合，得到目标二次函数；
对所述目标二次函数求导，得到目标导函数；
若在目标时间段内所述目标导函数的值均大于零，则确定所述目标单词读音为升调，若所述音调标记为升调，则音频测评结果为通过，若所述音调标记为降调，则所述语音测评结果为未通过；
若在目标时间段内所述目标导函数的值均小于零，则确定所述目标单词读音为降调，若所述音调标记为升调，则音频测评结果为未通过，若所述音调标记为降调，则所述语音测评结果为通过；
若在目标时间段内所述目标导函数的值存在零值，则获取升调和/或降调的占比，根据所述升调和/或降调的占比确定所述目标单词读音的音调，根据所述目标单词读音的音调和所述音频标记确定语音测评结果。
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(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。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(Hyper Text 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。
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)。
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。
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 (10)
1.一种语音评测方法，其特征在于，包括：
获取待评测语音信息和目标单词；
根据所述待评测语音信息确定所述目标单词对应的目标时间段；
基于基频提取算法，提取所述目标时间段内的基频数据；
根据所述基频数据进行语音评测，得到语音测评结果。
2.根据权利要求1所述的方法，其特征在于，获取目标单词包括：
获取参考文本信息，其中，所述参考文本信息携带音调标记；
根据所述参考文本信息确定所述音调标记对应的目标单词。
3.根据权利要求2所述的方法，其特征在于，根据所述待评测语音信息确定所述目标单词对应的目标时间段，包括：
对所述待评测语音信息进行识别，得到所述待评测语音信息对应的每个单词对应的时间段；
获取所述目标单词对应的目标时间段。
4.根据权利要求2所述的方法，其特征在于，根据所述基频数据进行语音评测，得到语音测评结果，包括：
根据所述基频数据进行基频斜率分析，得到语音测评结果。
5.根据权利要求4所述的方法，其特征在于，根据所述基频数据进行基频斜率分析，得到语音测评结果包括：
获取离散的基频数据；
对离散的基频数据进行二次拟合，得到目标二次函数；
若所述目标二次函数单调递增，则确定所述目标单词读音为升调，若所述音调标记为升调，则音频测评结果为通过，若所述音调标记为降调，则所述语音测评结果为未通过；
若所述目标二次函数单调递减，则确定所述目标单词读音为降调，若所述音调标记为升调，则音频测评结果为未通过，若所述音调标记为降调，则所述语音测评结果为通过。
6.根据权利要求4所述的方法，其特征在于，根据所述基频数据进行基频斜率分析，得到语音测评结果包括：
获取离散的基频数据；
对离散的基频数据进行二次拟合，得到目标二次函数；
对所述目标二次函数求导，得到目标导函数；
若在目标时间段内所述目标导函数的值均大于零，则确定所述目标单词读音为升调，若所述音调标记为升调，则音频测评结果为通过，若所述音调标记为降调，则所述语音测评结果为未通过；
若在目标时间段内所述目标导函数的值均小于零，则确定所述目标单词读音为降调，若所述音调标记为升调，则音频测评结果为未通过，若所述音调标记为降调，则所述语音测评结果为通过；
若在目标时间段内所述目标导函数的值存在零值，则获取升调和/或降调的占比，根据所述升调和/或降调的占比确定所述目标单词读音的音调，根据所述目标单词读音的音调和所述音频标记确定语音测评结果。
7.一种语音评测装置，其特征在于，包括：
获取模块，用于获取待评测语音信息和目标单词；
确定模块，用于根据所述待评测语音信息确定所述目标单词对应的目标时间段；
提取模块，用于基于基频提取算法，提取所述目标时间段内的基频数据；
测评模块，用于根据所述基频数据进行语音评测，得到语音测评结果。
8.根据权利要求7所述的装置，其特征在于，所述获取模块具体用于：
获取参考文本信息，其中，所述参考文本信息携带音调标记；
根据所述参考文本信息确定所述音调标记对应的目标单词。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一所述的语音评测方法。
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1-6中任一所述的语音评测方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110301596.9A CN113077820B (zh) | 2021-03-22 | 2021-03-22 | 一种语音评测方法、装置、设备及存储介质 |
| CN202211418414.7A CN115762476A (zh) | 2021-03-22 | 2021-03-22 | 一种语音评测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110301596.9A CN113077820B (zh) | 2021-03-22 | 2021-03-22 | 一种语音评测方法、装置、设备及存储介质 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211418414.7A Division CN115762476A (zh) | 2021-03-22 | 2021-03-22 | 一种语音评测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113077820A true CN113077820A (zh) | 2021-07-06 |
| CN113077820B CN113077820B (zh) | 2023-01-13 |
Family
ID=76613141
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110301596.9A Active CN113077820B (zh) | 2021-03-22 | 2021-03-22 | 一种语音评测方法、装置、设备及存储介质 |
| CN202211418414.7A Pending CN115762476A (zh) | 2021-03-22 | 2021-03-22 | 一种语音评测方法、装置、设备及存储介质 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211418414.7A Pending CN115762476A (zh) | 2021-03-22 | 2021-03-22 | 一种语音评测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN113077820B (zh) |
Citations (4)
| 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 |
| CN104575490A (zh) * | 2014-12-30 | 2015-04-29 | 苏州驰声信息科技有限公司 | 基于深度神经网络后验概率算法的口语发音评测方法 |
| CN110600052A (zh) * | 2019-08-19 | 2019-12-20 | 天闻数媒科技（北京）有限公司 | 一种语音评测的方法及装置 |
| CN112349300A (zh) * | 2020-11-06 | 2021-02-09 | 北京乐学帮网络技术有限公司 | 一种语音评测方法及装置 |
-
2021
- 2021-03-22 CN CN202110301596.9A patent/CN113077820B/zh active Active
- 2021-03-22 CN CN202211418414.7A patent/CN115762476A/zh active Pending
Patent Citations (4)
| 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 |
| CN104575490A (zh) * | 2014-12-30 | 2015-04-29 | 苏州驰声信息科技有限公司 | 基于深度神经网络后验概率算法的口语发音评测方法 |
| CN110600052A (zh) * | 2019-08-19 | 2019-12-20 | 天闻数媒科技（北京）有限公司 | 一种语音评测的方法及装置 |
| CN112349300A (zh) * | 2020-11-06 | 2021-02-09 | 北京乐学帮网络技术有限公司 | 一种语音评测方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 胡海洋等: "一种基于动态平滑的实时基频提取算法", 《声学技术》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113077820B (zh) | 2023-01-13 |
| CN115762476A (zh) | 2023-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107729313B (zh) | 基于深度神经网络的多音字读音的判别方法和装置 | |
| JP5901001B1 (ja) | 音響言語モデルトレーニングのための方法およびデバイス | |
| CN109087670B (zh) | 情绪分析方法、系统、服务器及存储介质 | |
| KR101183344B1 (ko) | 사용자 정정들을 이용한 자동 음성 인식 학습 | |
| US8751226B2 (en) | Learning a verification model for speech recognition based on extracted recognition and language feature information | |
| CN110276023B (zh) | Poi变迁事件发现方法、装置、计算设备和介质 | |
| US11043213B2 (en) | System and method for detection and correction of incorrectly pronounced words | |
| WO2021103712A1 (zh) | 一种基于神经网络的语音关键词检测方法、装置及系统 | |
| US11810471B2 (en) | Computer implemented method and apparatus for recognition of speech patterns and feedback | |
| CN110335608B (zh) | 声纹验证方法、装置、设备及存储介质 | |
| JP6778655B2 (ja) | 単語連接識別モデル学習装置、単語連接検出装置、方法、及びプログラム | |
| CN109584906B (zh) | 口语发音评测方法、装置、设备及存储设备 | |
| CN110503941B (zh) | 语言能力评测方法、装置、系统、计算机设备及存储介质 | |
| CN115132174A (zh) | 一种语音数据处理方法、装置、计算机设备及存储介质 | |
| KR102409873B1 (ko) | 증강된 일관성 정규화를 이용한 음성 인식 모델 학습 방법 및 시스템 | |
| US11557288B2 (en) | Hindrance speech portion detection using time stamps | |
| CN113077820B (zh) | 一种语音评测方法、装置、设备及存储介质 | |
| US20190228765A1 (en) | Speech analysis apparatus, speech analysis system, and non-transitory computer readable medium | |
| CN113096667A (zh) | 一种错别字识别检测方法和系统 | |
| CN113689882A (zh) | 发音评测方法、装置、电子设备及可读存储介质 | |
| CN110895938B (zh) | 语音校正系统及语音校正方法 | |
| CN115148225A (zh) | 语调评分方法、语调评分系统、计算设备及存储介质 | |
| CN112992184B (zh) | 一种发音评测方法、装置、电子设备和存储介质 | |
| CN113707178B (zh) | 音频评测方法及装置、非瞬时性存储介质 | |
| CN113077786B (zh) | 一种语音识别方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210902 Address after: 301-112, floor 3, building 2, No. 18, YANGFANGDIAN Road, Haidian District, Beijing 100038 Applicant after: Beijing Rubu Technology Co.,Ltd. Address before: Room 508-598, Xitian Gezhuang Town Government Office Building, No. 8 Xitong Road, Miyun District Economic Development Zone, Beijing 101500 Applicant before: BEIJING ROOBO TECHNOLOGY Co.,Ltd. |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240521 Address after: 518000 303, block B, Fu'an science and technology building, No. 013, Gaoxin South 1st Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen, Guangdong Patentee after: Shenzhen haoxueduo Intelligent Technology Co.,Ltd. Country or region after: China Address before: 301-112, floor 3, building 2, No. 18, YANGFANGDIAN Road, Haidian District, Beijing 100038 Patentee before: Beijing Rubu Technology Co.,Ltd. Country or region before: China |