KR102553892B1 - 모델 평가 방법, 장치 및 전자 기기 - Google Patents

모델 평가 방법, 장치 및 전자 기기 Download PDF

Info

Publication number
KR102553892B1
KR102553892B1 KR1020210035332A KR20210035332A KR102553892B1 KR 102553892 B1 KR102553892 B1 KR 102553892B1 KR 1020210035332 A KR1020210035332 A KR 1020210035332A KR 20210035332 A KR20210035332 A KR 20210035332A KR 102553892 B1 KR102553892 B1 KR 102553892B1
Authority
KR
South Korea
Prior art keywords
features
central
distance
evaluated
speech synthesis
Prior art date
Application number
KR1020210035332A
Other languages
English (en)
Other versions
KR20210038468A (ko
Inventor
린 정
창빈 첸
샤오쿵 마
위좬 순
위?G 순
Original Assignee
베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
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 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. filed Critical 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
Publication of KR20210038468A publication Critical patent/KR20210038468A/ko
Application granted granted Critical
Publication of KR102553892B1 publication Critical patent/KR102553892B1/ko

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
    • G10L25/69—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for evaluating synthetic or decoded voice signals
    • 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
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • 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
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
    • 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
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • 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
    • G10L15/08—Speech classification or search
    • G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
    • 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
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • 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
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • 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
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

본 개시는 오디오 데이터 처리 기술 분야에 관한, 모델 평가 방법, 장치 및 전자 기기를 공개한다. 상기 방법은, 제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호를 획득하고, N개의 녹음된 제2 오디오 신호를 획득하는 단계; M개의 제1 오디오 신호 중 각각의 제1 오디오 신호에 대해 성문 추출을 진행하여, M개의 제1 성문 특징을 획득하고, N개의 제2 오디오 신호 중 각각의 제2 오디오 신호에 대해 성문 추출을 진행하여, N개의 제2 성문 특징을 획득하는 단계; M개의 제1 성문 특징을 클러스터링하여, K개의 제1 중심 특징을 획득하고, N개의 제2 성문 특징을 클러스터링하여, J개의 제2 중심 특징을 획득하는 단계; K개의 제1 중심 특징과 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제1 거리를 획득하는 단계; 및 제1 거리에 기반하여, 제1 평가할 음성 합성 모델을 평가하는 단계를 포함한다. 본 개시의 기술에 따르면, 제1 평가할 음성 합성 모델의 평가 효율을 향상시킬 수 있다.

Description

모델 평가 방법, 장치 및 전자 기기{Model evaluation method, apparatus and electronic equipment}
본 개시는 데이터 처리 기술에 관한 것이고, 특히 오디오 데이터 처리 기술 분야에 관한 것으로, 구체적으로 모델 평가 방법, 장치 및 전자 기기에 관한 것이다.
음성 합성 기술은 문자를 오디오 신호로 변환하여 출력하는 기술로, 인간-기계 인터랙션 분야에서 중요한 역할을 하며 응용 가치가 다양하다. 개성화 음성 합성은 음성 합성 기술을 사용하여, 실제 사람의 발음과 매우 유사한 오디오 신호를 합성하며, 현재 지도, 스마트 스피커 등 분야에 널리 응용되고 있다.
현재, 오디오 신호를 합성하기 위한 개성화 음성 합성 모델이 많이 존재하고 있고, 이러한 개성화 음성 합성 모델에 의해 합성된 오디오 환원 정도가 고르지 않기 때문에, 개성화 음성 합성 모델에 대한 평가가 매우 중요하다.
현재, 일반적으로 미리 트레이닝된 성문 교정 검증 모델을 통해, 개성화 음성 합성 모델에 의해 합성된 오디오 환원 정도, 즉 합성된 오디오와 실제 사람 발음과의 유사도를 평가함으로서, 개성화 음성 합성 모델의 우열을 평가한다. 그러나 성문 교정 검증 모델은 일반적으로 합성된 오디오 신호에 대해 하나씩 환원 정도 교정 검증을 진행하기에, 평가 효율이 비교적 낮다.
본 개시의 기술에 따르면, M개의 제1 성문 특징에 대해 클러스터링을 진행하여, K개의 제1 중심 특징을 획득하고, N개의 제2 성문 특징에 대해 클러스터링을 진행하여, J개의 제2 중심 특징을 획득하며, K개의 제1 중심 특징과 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제1 거리를 획득함으로써, 제1 거리에 기반하여 제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호의 환원 정도를 전체적으로 평가할 수 있어, 제1 평가할 음성 합성 모델의 평가 효율을 향상시킬 수 있다. 본 개시는 선행 기술 중의 개성화 음성 합성 모델에 대해 평가를 진행하는 효율이 상대적으로 낮은 문제를 해결한다.
본 개시는 모델 평가 방법, 장치 및 전자 기기를 제공한다.
제1 측면에 따르면, 본 개시는,
제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호를 획득하고, N개의 녹음된 제2 오디오 신호를 획득하는 단계;
M개의 제1 오디오 신호 중 각각의 제1 오디오 신호에 대해 성문 추출을 진행하여, M개의 제1 성문 특징을 획득하고, N개의 제2 오디오 신호 중 각각의 제2 오디오 신호에 대해 성문 추출을 진행하여, N개의 제2 성문 특징을 획득하는 단계;
상기 M개의 제1 성문 특징을 클러스터링하여, K개의 제1 중심 특징을 획득하고, 상기 N개의 제2 성문 특징을 클러스터링하여, J개의 제2 중심 특징을 획득하는 단계;
상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제1 거리를 획득하는 단계; 및
상기 제1 거리에 기반하여, 상기 제1 평가할 음성 합성 모델을 평가하는 단계를 포함하고,
M, N, K 및 J는 모두 1보다 큰 양의 정수이며, M는 K보다 크고, N는 J보다 큰 모델 평가 방법을 제공한다.
제2 측면에 따르면, 본 개시는,
제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호를 획득하고, N개의 녹음된 제2 오디오 신호를 획득하는 제1 획득 모듈;
M개의 제1 오디오 신호 중 각각의 제1 오디오 신호에 대해 성문 추출을 진행하여, M개의 제1 성문 특징을 획득하고; N개의 제2 오디오 신호 중 각각의 제2 오디오 신호에 대해 성문 추출을 진행하여, N개의 제2 성문 특징을 획득하는 제1 성문 추출 모듈;
상기 M개의 제1 성문 특징을 클러스터링하여, K개의 제1 중심 특징을 획득하고, 상기 N개의 제2 성문 특징을 클러스터링하여, J개의 제2 중심 특징을 획득하는 제1 클러스터링 모듈;
상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제1 거리를 획득하는 제1 통계 모듈; 및
상기 제1 거리에 기반하여, 상기 제1 평가할 음성 합성 모델을 평가하는 제1 평가 모듈을 포함하고,
M, N, K 및 J는 모두 1보다 큰 양의 정수이며, M는 K보다 크고, N는 J보다 큰 모델 평가 장치를 제공한다.
제3 측면에 따르면, 본 개시는,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서와 통신 연결하는 메모리를 포함하고,
상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되며, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 제1 측면 중의 임의의 하나의 방법을 수행할 수 있도록 하는 전자 기기를 제공한다.
제4 측면에 따르면, 본 개시는, 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체로서, 상기 컴퓨터 명령은 상기 컴퓨터가 제1 측면 중의 임의의 하나의 방법을 수행하도록 하는 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체를 제공한다.
본 개시의 기술에 따르면, M개의 제1 성문 특징에 대해 클러스터링을 진행하여, K개의 제1 중심 특징을 획득하고, N개의 제2 성문 특징에 대해 클러스터링을 진행하여, J개의 제2 중심 특징을 획득하며, K개의 제1 중심 특징과 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제1 거리를 획득함으로써, 제1 거리에 기반하여 제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호의 환원 정도를 전체적으로 평가할 수 있어, 제1 평가할 음성 합성 모델의 평가 효율을 향상시킬 수 있다. 본 개시는 선행 기술 중의 개성화 음성 합성 모델에 대해 평가를 진행하는 효율이 상대적으로 낮은 문제를 해결한다.
본 부분에서 설명되는 내용은 본 개시의 실시예의 핵심적이거나 중요한 특징을 식별하기 위한 것이 아니며, 본 개시의 범위를 제한하려는 의도도 아님을 이해해야 한다. 본 개시의 기타 특징은 하기의 명세서에 의해 쉽게 이해될 것이다.
도면은 본 수단을 더욱 잘 이해하도록 하기 위한 것이고, 본 개시를 한정하기 위함이 아니다. 여기서:
도 1은 본 개시의 제1 실시예에 따른 모델 평가 방법의 흐름 모식도이다.
도 2는 제2 평가할 음성 합성 모델을 평가하는 흐름 모식도이다.
도 3은 본 개시의 제2 실시예에 따른 모델 평가 장치의 구조 모식도 1이다.
도 4는 본 개시의 제2 실시예에 따른 모델 평가 장치의 구조 모식도 2이다.
도 5는 본 개시의 실시예의 모델 평가 방법을 구현하는 전자 기기의 블록도이다.
아래 도면과 결부시켜 본 개시의 예시적 실시예를 설명하되, 여기에 이해를 돕기 위한 본 개시의 실시예의 다양한 세부사항들이 포함되지만, 이들은 단지 예시적인 것으로 이해해야 한다. 따라서, 본 기술분야의 통상의 기술자는 본 개시의 범위 및 정신을 벗어나지 않는 전제 하에 여기서 설명된 실시예에 대해 다양한 변형 및 수정을 진행할 수 있음을 이해해야 한다. 마찬가지로, 명확 및 간략을 위해, 아래의 설명에서 공지 기능 및 구조에 대한 설명을 생략한다.
제1 실시예
도 1에 도시된 바와 같이, 본 개시는 하기와 같은 단계를 포함하는 모델 평가 방법을 제공한다.
단계 S101: 제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호를 획득하고, N개의 녹음된 제2 오디오 신호를 획득한다.
본 실시예에서, 상기 제1 평가할 음성 합성 모델은 개성화 음성 합성 모델이고, 목적은 제1 평가할 음성 합성 모델을 통해 실제 사람의 발음과 유사한 오디오 신호를 합성하여, 지도, 스마트 스피커 등 분야에 응용시키기는데 있다.
상기 제1 평가할 음성 합성 모델은 제1 사전 설정 모델에 의해 미리 트레이닝을 거쳐 생성될 수 있고, 상기 제1 사전 설정 모델은 사실상 하나의 제1 알고리즘에 의해 구성된 모델이며, 상기 제1 사전 설정 모델 중의 파라미터 데이터는, 상기 제1 평가할 음성 합성 모델을 획득하기 위해 트레이닝을 거쳐 획득하여야 한다.
구체적으로, 제1 사용자가 하나의 텍스트에 따라 녹음한 복수 개의 오디오 신호를 트레이닝 샘플로 하고, 예를 들어, 제1 사용자가 하나의 텍스트에 따라 녹음한 20개 또는 30개의 오디오 신호를 트레이닝 샘플로 하며, 제1 사전 설정 모델에 입력하고, 트레이닝하여 상기 제1 사전 설정 모델 중의 파라미터 데이터를 획득하여, 제1 사용자의 제1 평가할 음성 합성 모델을 생성한다.
제1 평가할 음성 합성 모델을 생성한 후, 한 배치(batch)의 텍스트를 사용하고, 상기 제1 사용자의 제1 평가할 음성 합성 모델을 사용하여 한 배치의 제1 오디오 신호를 생성하며, 구체적으로, 각각의 텍스트를 제1 평가할 음성 합성 모델에 입력하여, 상기 텍스트에 대응되는 제1 오디오 신호를 출력하고, 최종적으로 M개의 제1 오디오 신호를 획득한다. 아울러, 상기 제1 사용자가 녹음한 한 배치의 제2 오디오 신호를 획득하여, N개의 제2 오디오 신호를 최종적으로 획득한다.
여기서, M과 N은 동일할 수 있고, 상이할 수도 있으며, 여기서 구체적으로 한정하지 않는다. 제1 평가할 음성 합성 모델의 평가 결과가 보다 정확하도록, M과 N은 일반적으로 20 또는 30과 같이 상대적으로 크다.
단계 S102: M개의 제1 오디오 신호 중 각각의 제1 오디오 신호에 대해 성문 추출을 진행하여, M개의 제1 성문 특징을 획득하고, N개의 제2 오디오 신호 중 각각의 제2 오디오 신호에 대해 성문 추출을 진행하여, N개의 제2 성문 특징을 획득한다.
제1 오디오 신호에 대해 성문 추출을 진행하는 방식은 다양한 방식을 포함할 수 있고, 예컨대 기존의 통계학 방법을 사용하여 제1 오디오 신호에 대해 성문 추출을 진행하여, 제1 오디오 신호의 통계학 특징을 획득하며, 상기 통계학 특징이 바로 제1 성문 특징이다. 또한, 예를 들어, 딥 뉴럴 네트워크(Deep Neural Networks, DNN)를 사용하여 제1 오디오 신호에 대해 성문 추출을 진행하여, 제1 오디오 신호의 DNN성문 특징을 획득할 수 있고, 상기 DNN성문 특징이 바로 제1 성문 특징이다.
아울러, 제2 오디오 신호에 대해 성문 추출을 진행하는 방식은 제1 오디오 신호에 대해 성문 추출을 진행하는 방식과 유사하므로, 여기서 더이상 설명하지 않는다.
단계 S103: 상기 M개의 제1 성문 특징을 클러스터링하여, K개의 제1 중심 특징을 획득하고, 상기 N개의 제2 성문 특징을 클러스터링하여, J개의 제2 중심 특징을 획득한다.
기존의 클러스터링 알고리즘 또는 새로운 클러스터링 알고리즘을 사용하여, 상기 M개의 제1 성문 특징에 대해 클러스터링을 진행하여, K개의 제1 중심 특징을 획득할 수 있다. 여기서, K는 이 M개의 제1 성문 특징 중 임의의 두 개의 제1 성문 특징 사이의 코사인 거리의 실제 상황에 기반하여, 클러스터링 알고리즘을 통해 구할 수 있다.
예를 들어, 클러스터링 알고리즘은 이 M개의 제1 성문 특징 중 임의의 두 개의 제1 성문 특징 사이의 코사인 거리에 따라, 이 M개의 제1 성문 특징을 3개 타입, 4개 타입, 5개 타입 등등으로 클러스터링할 수 있고, K는 클러스터링되는 수량이다. 여기서, 각각의 타입의 제1 성문 특징 중 임의의 두 개의 제1 성문 특징 사이의 코사인 거리, 즉 그룹 내 거리는 하나의 사전 설정 임계값보다 작고, 타입과 타입의 제1 성문 특징 사이의 코사인 거리, 즉 그룹 간 거리는 다른 사전 설정 임계값보다 크다.
클러스터링 후, 각각의 타입의 제1 성문 특징에 따라, 상기 타입의 제1 중심 특징을 산출하고, 예를 들어, 상기 타입의 제1 중심 특징은 상기 타입의 복수 개의 제1 성문 특징을 평균한 성문 특징일 수 있으며, K개의 제1 중심 특징을 최종적으로 획득한다.
아울러, 상기 N개의 제2 성문 특징에 대해 클러스터링을 진행하는 방식은 상기 M개의 제1 성문 특징에 대해 클러스터링을 진행하는 방식과 유사하므로, 여기서 더이상 설명하지 않는다.
여기서, K과 J는 동일할 수 있고, 상이할 수도 있으며 여기서 구체적으로 한정하지 않는다. 이 밖에, M, N, K 및 J는 모두 1보다 큰 양의 정수이며, M는 K보다 크고, N는 J보다 크다.
단계 S104: 상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제1 거리를 획득한다.
각각의 제1 중심 특징에 대하여, 상기 제1 중심 특징과 상기 J개의 제2 중심 특징 중 각각의 제2 중심 특징의 코사인 거리를 산출하여, 상기 제1 중심 특징에 대응되는 코사인 거리를 획득할 수 있다. 여기서, 두 개의 중심 특징 사이의 코사인 거리는 이 두 개의 중심 특징의 유사도를 나타낼 수 있다.
예를 들어, K개의 제1 중심 특징은 각각 제1 중심 특징A1, 제1 중심 특징A2 및 제1 중심 특징A3이고, J개의 제2 중심 특징은 각각 제2 중심 특징B1, 제2 중심 특징B2 및 제2 중심 특징B3이다. 제1 중심 특징A1과 제2 중심 특징B1, 제2 중심 특징B2 및 제2 중심 특징B3의 코사인 거리를 각각 산출하여, 제1 중심 특징A1에 대응되는 코사인 거리A1B1, 코사인 거리A1B2 및 코사인 거리A1B3을 획득할 수 있고, 제1 중심 특징A2과 제2 중심 특징B1, 제2 중심 특징B2 및 제2 중심 특징B3의 코사인 거리를 각각 산출하여, 제1 중심 특징A2에 대응되는 코사인 거리A2B1, 코사인 거리A2B2 및 코사인 거리A2B3을 획득하며, 제1 중심 특징A3과 제2 중심 특징B1, 제2 중심 특징B2 및 제2 중심 특징B3의 코사인 거리를 산출하여, 제1 중심 특징A3에 대응되는 코사인 거리A3B1, 코사인 거리A3B2 및 코사인 거리A3B3을 획득하여, 최종적으로 상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 복수 개의 코사인 거리를 획득한다.
다음, 상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 복수 개의 코사인 거리를 통계하여, 제1 거리를 획득한다. 여기서, 상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 복수 개의 코사인 거리의 통계 방식에는 다양한 방식이 있을 수 있고, 예를 들어 이러한 코사인 거리의 합을 구하여, 상기 제1 거리를 획득한다. 또한, 예를 들어, 이러한 코사인 거리를 평균하여 상기 제1 거리를 획득한다.
이 밖에, K개의 제1 중심 특징은 M개의 제1 성문 특징을 기반으로 클러스터링을 진행하여 획득되고, J개의 제2 중심 특징은 N개의 제2 성문 특징을 기반으로 클러스터링을 진행하여 획득되며, 상기 제1 거리는 상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 복수 개의 코사인 거리를 기반으로 통계하여 획득되기에, 상기 제1 거리는 M개의 제1 성문 특징과 N개의 제2 성문 특징 사이의 유사도를 전체적으로 평가할 수 있다.
다시 말해서, 상기 제1 거리는 M개의 제1 오디오 신호와 실제 사람이 녹음한 N개의 제2 오디오 신호 발음의 유사도를 전체적으로 평가할 수 있고, 즉 제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호의 환원 정도를 평가한다. 상기 제1 거리가 제1 사전 설정 임계값보다 작은 경우, 이 M개의 제1 오디오 신호의 환원 정도가 양호한 것을 설명하고, 상기 제1 거리가 제1 사전 설정 임계값보다 크거나 같은 경우, 이 M개의 제1 오디오 신호의 환원 정도가 좋지 않다는 것을 설명한다.
단계 S105: 상기 제1 거리에 기반하여, 상기 제1 평가할 음성 합성 모델을 평가한다.
이 M개의 제1 오디오 신호가 제1 평가할 음성 합성 모델을 사용하여 합성된 것이므로, 상기 제1 거리는 상기 제1 평가할 음성 합성 모델을 평가하는데 사용될 수 있고, 즉 상기 제1 거리에 기반하여, 상기 제1 평가할 음성 합성 모델을 평가한다.
본 실시예에서, M개의 제1 성문 특징에 대해 클러스터링을 진행하여, K개의 제1 중심 특징을 획득하고, N개의 제2 성문 특징에 대해 클러스터링을 진행하여, J개의 제2 중심 특징을 획득하며, K개의 제1 중심 특징과 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제1 거리를 획득함으로써, 제1 거리에 기반하여 제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호의 환원 정도를 전체적으로 평가할 수 있어, 많은 양의 제1 오디오 신호의 환원 정도에 대해 신속한 평가를 진행할 수 있고, 제1 평가할 음성 합성 모델의 평가 효율을 향상시킨다.
또한, 선행 기술에 비해, 본 실시예는 성문 교정 검증 모델을 사용하여 모델 평가를 진행할 필요없으므로, 성문 교정 검증 모델을 정기적으로 업데이트해야 하는 문제를 피면하고, 모델 평가 비용을 절감할 수 있다. 아울러, 모델 평가 과정에서, 복수 개의 제1 성문 특징과 복수 개의 제2 성문 특징에 대해 각각 클러스터링을 진행하여, 복수 개의 제1 중심 특징과 복수 개의 제2 중심 특징을 획득함으로써, 오디오 신호의 개성화 특점을 충분히 고려하여 모델 평가의 정확성을 향상시킬 수 있다.
또한, 제1 평가할 음성 합성 모델은 제1 사전 설정 모델에 의해 미리 트레이닝을 거쳐 생성되기에, 상기 제1 사전 설정 모델은 사실상 하나의 알고리즘에 의해 생성된 모델이고, 따라서, 본 실시예는 제1 사전 설정 모델을 통해 복수 개의 사용자의 제1 평가할 음성 합성 모델을 생성하며, 이러한 사용자의 제1 평가할 음성 합성 모델을 평가하여, 제1 사전 설정 모델을 평가할 수도 있으며, 즉 상기 제1 사전 설정 모델을 구성하는 알고리즘을 평가한다. 따라서, 본 실시예는 개성화 음성 합성 알고리즘의 평가 효율도 향상시킬 수 있다.
예를 들어, 개성화 음성 합성 알고리즘을 사용하여 제1 사전 설정 모델을 구성하고, 제1 사전 설정 모델을 통해 복수 개의 사용자의 제1 평가할 음성 합성 모델을 생성하며, 이 복수 개의 사용자의 제1 평가할 음성 합성 모델을 각각 평가한다. 다음, 이 복수 개의 사용자의 제1 평가할 음성 합성 모델의 평가 결과에 기반하여, 제1 사전 설정 모델을 평가한다. 이 복수 개의 사용자 중 대부분 사용자 또는 전부 사용자의 제1 평가할 음성 합성 모델에 대한 평가가 성공된 경우, 제1 사전 설정 모델 평가가 성공한 것으로 결정하고, 즉 제1 사전 설정 모델을 구성한 개성화 음성 합성 알고리즘 평가가 성공한 것으로 결정한다.
선택 가능하게, 상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제1 거리를 획득하는 단계는,
각각의 제1 중심 특징에 대하여, 상기 제1 중심 특징과 각각의 제2 중심 특징의 코사인 거리를 산출하여, 상기 제1 중심 특징에 대응되는 J개의 코사인 거리를 획득하고, 상기 제1 중심 특징에 대응되는 J개의 코사인 거리의 합을 구하여, 상기 제1 중심 특징에 대응되는 코사인 거리 합을 획득하는 단계; 및
상기 K개의 제1 중심 특징에 대응되는 코사인 거리 합의 합을 구하여, 상기 제1 거리를 획득하는 단계를 포함한다.
본 실시 형태에서, 상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 복수 개의 코사인 거리를 산출하고, 이 복수 개의 코사인 거리의 합을 구하여, 제1 거리, 즉 상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 총 거리를 획득한다. 상기 총 거리는 전체적으로 M개의 제1 성문 특징과 N개의 제2 성문 특징 사이의 유사도를 나타낼 수 있으므로, 본 실시 형태에서, 상기 총 거리에 기반하여 M개의 제1 오디오 신호와 실제 사람이 녹음한 N개의 제2 오디오 신호 발음의 유사도를 전체적으로 평가할 수 있고, 즉 M개의 제1 오디오 신호의 환원 정도를 평가할 수 있어, 많은 양의 제1 오디오 신호의 환원 정도에 대해 신속한 평가를 진행할 수 있고, 나아가 제1 평가할 음성 합성 모델의 평가 효율을 향상시킬 수 있다.
선택 가능하게, 상기 제1 거리에 기반하여, 상기 제1 평가할 음성 합성 모델을 평가하는 단계는,
상기 제1 거리가 제1 사전 설정 임계값보다 작을 경우, 상기 제1 평가할 음성 합성 모델 평가가 성공한 것으로 확정하는 단계; 및
상기 제1 거리가 상기 제1 사전 설정 임계값보다 크거나 같을 경우, 상기 제1 평가할 음성 합성 모델 평가가 성공하지 못한 것으로 확정하는 단계를 포함한다.
본 실시 형태에서, 상기 제1 거리가 제1 사전 설정 임계값보다 작은 경우, 전체적으로 이 M개의 제1 오디오 신호의 환원 정도가 양호함을 결정할 수 있어, 이 M개의 제1 오디오 신호를 합성하기 위한 제1 평가할 음성 합성 모델 평가가 성공한 것으로 결정할 수 있다. 상기 제1 거리가 제1 사전 설정 임계값보다 크거나 같은 경우, 전체적으로 이 M개의 제1 오디오 신호의 환원 정도가 충분하지 않다고 결정할 수 있어, 이 M개의 제1 오디오 신호를 합성하는 제1 평가할 음성 합성 모델 평가가 성공하지 못 하여 개진이 필요한 것으로 확정할 수 있다.
여기서, 상기 제1 사전 설정 임계값은 실제 상황에 따라 설정될 수 있고, 합성 오디오의 환원 정도에 대한 요구가 높은 분야에서, 상기 제1 사전 설정 임계값은 상대적으로 작게 설정될 수 있다.
선택 가능하게, 상기 제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호를 획득하고, N개의 녹음된 제2 오디오 신호를 획득하는 단계 이후에, 상기 방법은,
제2 평가할 음성 합성 모델을 사용하여 합성된 T개의 제3 오디오 신호를 획득하는 단계;
T개의 제3 오디오 신호 중 각각의 제3 오디오 신호에 대해 성문 추출을 진행하여, T개의 제3 성문 특징을 획득하는 단계;
상기 T개의 제3 성문 특징을 클러스터링하여, P개의 제3 중심 특징을 획득하는 단계;
상기 P개의 제3 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제2 거리를 획득하는 단계; 및
상기 제1 거리와 제2 거리에 기반하여, 상기 제1 평가할 음성 합성 모델 또는 상기 제2 평가할 음성 합성 모델을 평가하는 단계를 더 포함하고,
여기서, T와 P는 1보다 큰 양의 정수이며, T는 P보다 크다.
본 실시 형태에서, 상기 제2 평가할 음성 합성 모델은 제1 사용자의 평가할 음성 합성 모델이고, 상기 제2 평가할 음성 합성 모델은 개성화 음성 합성 모델이기도 하며, 목적은 제2 평가할 음성 합성 모델을 통해 실제 사람의 발음과 유사한 오디오 신호를 합성하여, 지도, 스마트 스피커 등 분야에 응용시키는데 있다.
상기 제2 평가할 음성 합성 모델은 제2 사전 설정 모델에 의해 미리 트레이닝을 거쳐 생성될 수 있고, 상기 제2 사전 설정 모델은 사실상 하나의 제2 알고리즘에 의해 구성된 모델이며, 상기 제2 사전 설정 모델 중의 파라미터 데이터는, 상기 제2 평가할 음성 합성 모델을 얻기 위해 트레이닝을 거쳐 획득하여야 한다. 여기서, 상기 제2 알고리즘은 제1 알고리즘이 업그레이드된 후의 알고리즘일 수 있고, 제1 알고리즘과 동등한 경쟁을 진행하는 알고리즘일 수도 있다.
구체적으로, 제1 사용자가 하나의 텍스트에 따라 녹음한 복수 개의 오디오 신호를 트레이닝 샘플로 하고, 예를 들어, 제1 사용자가 하나의 텍스트에 따라 녹음한 20개 또는 30개의 오디오 신호를 트레이닝 샘플로 하며, 제2 사전 설정 모델에 입력하고, 트레이닝하여 상기 제2 사전 설정 모델 중의 파라미터 데이터를 획득하여, 제1 사용자의 제2 평가할 음성 합성 모델을 생성한다.
제2 평가할 음성 합성 모델을 생성한 후, 한 배치의 텍스트를 사용하고, 상기 제1 사용자의 제2 평가할 음성 합성 모델을 사용하여 한 배치의 제3 오디오 신호를 생성하며, 구체적으로, 각각의 텍스트를 제2 평가할 음성 합성 모델에 입력하여, 상기 텍스트에 대응되는 제3 오디오 신호를 출력하여, 최종적으로 T개의 제3 오디오 신호를 획득한다.
여기서, M과 T는 동일할 수 있고, 상이할 수도 있으며, 여기서 구체적으로 한정하지 않는다. 제2 평가할 음성 합성 모델의 평가 결과가 보다 정확하도록, T는 일반적으로 20 또는 30과 같이 상대적으로 크다.
본 실시 형태에서, 제3 오디오 신호에 대해 성문 추출을 진행하는 방식은 제1 오디오 신호에 대해 성문 추출을 진행하는 방식과 유사하고, 상기 T개의 제3 성문 특징에 대해 클러스터링을 진행하는 방식은 상기 M개의 제1 성문 특징에 대해 클러스터링을 진행하는 방식과 유사하며, 상기 P개의 제3 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리의 통계 방식은 상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리의 통계 방식과 유사하므로, 여기서 더 이상 이에 대해 설명하지 않는다.
상기 P개의 제3 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제2 거리를 획득한 후, 상기 제1 거리와 제2 거리에 기반하여, 상기 제1 평가할 음성 합성 모델 또는 상기 제2 평가할 음성 합성 모델을 평가할 수 있다.
구체적으로, 제2 알고리즘이 제1 알고리즘이 업그레이드된 후의 알고리즘인 경우, 일반적으로 상기 제2 평가할 음성 합성 모델을 평가해야 한다. 도 2를 참조하면, 도 2는 제2 평가할 음성 합성 모델을 평가하는 흐름 모식도이고, 도 2에 도시된 바와 같이, 사용자가 녹음한 N개의 제2 오디오 신호, 제1 평가할 음성 합성 모델, 즉 온라인에서 사용되고 있는 모델을 사용하여 합성된 M개의 제1 오디오 신호, 및 제2 평가할 음성 합성 모델, 즉 금번에 업그레이드한 모델을 사용하여 합성된 T개의 제3 오디오 신호에 대해 각각 성문 추출을 진행하여, M개의 제1 성문 특징, N개의 제2 성문 특징 및 T개의 제3 성문 특징을 획득한다.
다음, 이 3개의 성문 특징에 대해 각각 클러스터링을 진행하여, K개의 제1 중심 특징, J개의 제2 중심 특징 및 P개의 제3 중심 특징을 획득한다.
이어서, K개의 제1 중심 특징과 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제1 거리를 획득하고, 아울러 상기 P개의 제3 중심 특징과 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제2 거리를 획득한다.
마지막으로, 제1 거리와 제2 거리의 크기를 비교하고, 제2 거리가 제1 거리보다 작은 경우, 제2 평가할 음성 합성 모델을 사용하여 합성된 T개의 제3 오디오 신호의 환원 정도가 제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호의 환원 정도보다 양호하다고 결정하여, 제2 평가할 음성 합성 모델 평가가 성공한 것으로 결정한다. 그렇지 않을 경우, 제2 평가할 음성 합성 모델 평가가 성공하지 못한 것으로 결정하고, 제2 알고리즘을 재차 업그레이드하여 개진하여야 한다.
상기 제2 알고리즘이 제1 알고리즘과 동등한 경쟁을 진행하는 알고리즘인 경우, 일반적으로 상기 제1 평가할 음성 합성 모델을 평가해야 하고, 제1 거리와 제2 거리의 크기를 비교하며, 제2 거리가 제1 거리보다 큰 경우, 제2 평가할 음성 합성 모델을 사용하여 합성된 T개의 제3 오디오 신호의 환원 정도가 제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호의 환원 정도보다 좋지 않다고 결정하여, 제1 평가할 음성 합성 모델 평가가 성공한 것으로 결정한다. 그렇지 않을 경우, 제1 평가할 음성 합성 모델 평가가 성공하지 못한 것으로 결정하고, 제1 알고리즘을 업그레이드하고 개진하여야 한다.
본 실시 형태에서, T개의 제3 성문 특징에 대해 클러스터링을 진행하여, P개의 제3 중심 특징을 획득하고, P개의 제3 중심 특징과 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제2 거리를 획득함으로써, 제2 거리에 기반하여, 제2 평가할 음성 합성 모델을 사용하여 합성된 T개의 제3 오디오 신호의 환원 정도를 전체적으로 평가할 수 있어, 많은 양의 제3 오디오 신호의 환원 정도에 대해 신속한 평가를 진행할 수 있고, 제2 평가할 음성 합성 모델의 평가 효율을 향상시킨다. 아울러, 제1 거리와 제2 거리의 크기를 비교함으로써, 제2 평가할 음성 합성 모델을 사용하여 합성된 T개의 제3 오디오 신호의 환원 정도와 제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호의 환원 정도를 비교할 수 있고, 상이한 개성화 음성 합성 알고리즘을 비교하여, 개성화 음성 합성 알고리즘의 평가를 실현할 수 있고, 알고리즘 평가 효율을 향상시킨다.
선택 가능하게, 상기 K개의 제1 중심 특징 중 두 개의 제1 중심 특징 사이의 코사인 거리는 제2 사전 설정 임계값보다 크고, 상기 J개의 제2 중심 특징 중 두 개의 제2 중심 특징 사이의 코사인 거리는 제3 사전 설정 임계값보다 크다.
본 실시 형태에서, K개의 제1 중심 특징 중 임의의 두 개의 제1 중심 특징 사이의 코사인 거리가 제2 사전 설정 임계값보다 크고, J개의 제2 중심 특징 중 임의의 두 개의 제2 중심 특징 사이의 코사인 거리가 제3 사전 설정 임계값보다 크도록 설정함으로써, 오디오 신호의 개성화 특점을 충분히 고려하고, 모델 평가의 정확성을 향상시킬 수 있다.
여기서, 상기 제2 사전 설정 임계값과 제3 사전 설정 임계값은 실제 상황에 따라 설정될 수 있고, 오디오 신호의 개성화 특점을 충분히 고려하고, 모델 평가의 정확성을 보장하기 위해, 일반적으로 제2 사전 설정 임계값과 제3 사전 설정 임계값을 크게 설정할수록 더 좋고, 즉 그룹 간 거리가 클수록 더 좋다.
설명해야 할 것은 본 개시 중의 모델 평가 방법 중의 다양한 선택 가능한 실시 형태는 서로 결합되어 구현될 수 있고, 별도로 구현될 수도 있으며, 본 개시는 이에 대하여 한정하지 않는다.
제2 실시예
도 3에 도시된 바와 같이, 본 개시는,
제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호를 획득하고, N개의 녹음된 제2 오디오 신호를 획득하는 제1 획득 모듈(301);
M개의 제1 오디오 신호 중 각각의 제1 오디오 신호에 대해 성문 추출을 진행하여, M개의 제1 성문 특징을 획득하고, N개의 제2 오디오 신호 중 각각의 제2 오디오 신호에 대해 성문 추출을 진행하여, N개의 제2 성문 특징을 획득하는 제1 성문 추출 모듈(302);
상기 M개의 제1 성문 특징을 클러스터링하여, K개의 제1 중심 특징을 획득하고, 상기 N개의 제2 성문 특징을 클러스터링하여, J개의 제2 중심 특징을 획득하는 제1 클러스터링 모듈(303);
상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제1 거리를 획득하는 제1 통계 모듈(304); 및
상기 제1 거리에 기반하여, 상기 제1 평가할 음성 합성 모델을 평가하는 제1 평가 모듈(305)을 포함하고,
여기서, M, N, K 및 J는 모두 1보다 큰 양의 정수이며, M는 K보다 크고, N는 J보다 큰 모델 평가 장치(300)를 제공한다.
선택 가능하게, 상기 제1 통계 모듈(304)은 구체적으로, 각각의 제1 중심 특징에 대하여, 상기 제1 중심 특징과 각각의 제2 중심 특징의 코사인 거리를 산출하여, 상기 제1 중심 특징에 대응되는 J개의 코사인 거리를 획득하고, 상기 제1 중심 특징에 대응되는 J개의 코사인 거리의 합을 구하여, 상기 제1 중심 특징에 대응되는 코사인 거리 합을 획득하며, 상기 K개의 제1 중심 특징에 대응되는 코사인 거리 합의 합을 구하여, 상기 제1 거리를 획득한다.
선택 가능하게, 상기 제1 평가 모듈(305)은 구체적으로, 상기 제1 거리가 제1 사전 설정 임계값보다 작을 경우, 상기 제1 평가할 음성 합성 모델 평가가 성공한 것으로 확정하고, 상기 제1 거리가 상기 제1 사전 설정 임계값보다 크거나 같을 경우, 상기 제1 평가할 음성 합성 모델 평가가 성공하지 못한 것으로 확정한다.
선택 가능하게, 도 4에 도시된 바와 같이, 본 개시는 모델 평가 장치(300)를 더 제공하고, 도 3에 따른 모델에 기반하여, 모델 평가 장치(300)는,
제2 평가할 음성 합성 모델을 사용하여 합성된 T개의 제3 오디오 신호를 획득하는 제2 획득 모듈(306);
T개의 제3 오디오 신호 중 각각의 제3 오디오 신호에 대해 성문 추출을 진행하여, T개의 제3 성문 특징을 획득하는 제2 성문 추출 모듈(307);
상기 T개의 제3 성문 특징을 클러스터링하여, P개의 제3 중심 특징을 획득하는 제2 클러스터링 모듈(308);
상기 P개의 제3 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제2 거리를 획득하는 제2 통계 모듈(309); 및
상기 제1 거리와 제2 거리에 기반하여, 상기 제1 평가할 음성 합성 모델 또는 상기 제2 평가할 음성 합성 모델을 평가하는 제2 평가 모듈(310)을 더 포함하고,
여기서, T와 P는 1보다 큰 양의 정수이며, T는 P보다 크다.
선택 가능하게, 상기 K개의 제1 중심 특징 중 두 개의 제1 중심 특징 사이의 코사인 거리는 제2 사전 설정 임계값보다 크고, 상기 J개의 제2 중심 특징 중 두 개의 제2 중심 특징 사이의 코사인 거리는 제3 사전 설정 임계값보다 크다.
본 개시에서 제공되는 모델 평가 장치(300)는 상기 모델 평가 방법 실시예 중 모델 평가 장치가 구현하는 각각의 과정을 구현할 수 있고, 동일한 유익한 효과를 달성할 수 있으므로, 중복 설명을 피면하기 위해, 여기서 더 이상 설명하지 않는다.
본 개시의 실시예에 따르면, 본 개시는 전자 기기와 컴퓨터 판독 가능 저장 매체를 더 제공한다.
도 5에 도시된 바와 같이, 이는 본 개시의 실시예에 따른 모델 평가 방법의 전자 기기의 블록도이다. 전자 기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 운영 플랫폼, 개인 정보 단말기, 서버, 블레이드 서버, 대형 컴퓨터, 및 다른 적합한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 의미한다. 전자 기기는 개인 디지털 처리, 셀룰러폰, 스마트폰, 웨어러블 기기 및 다른 유사한 컴퓨팅 장치와 같은 다양한 형태의 이동 장치를 의미할 수도 있다. 본문에서 나타낸 부재, 이들의 연결과 관계, 및 이들의 기능은 단지 예시적인 것으로, 본문에서 설명 및/또는 요구된 본 개시의 구현을 한정하지 않는다.
도 5에 도시된 바와 같이, 상기 전자 기기는 하나 또는 다수의 프로세서(501), 메모리(502), 및 고속 인터페이스 및 저속 인터페이스를 포함하는, 각 부재를 연결하기 위한 인터페이스를 포함한다. 각 부재는 상이한 버스를 이용하여 서로 연결되고, 공통 메인보드에 장착될 수 있거나 필요에 따라 다른 방식으로 장착될 수 있다. 프로세서는, 메모리에 저장되거나 메모리에서 외부 입력/출력 장치(예를 들어, 인터페이스에 커플링된 표시 기기)에 GUI의 그래픽 정보를 표시하는 명령을 포함하는, 전자 기기 내에서 실행되는 명령을 처리할 수 있다. 다른 실시 형태에서, 필요에 따라 다수의 프로세서 및/또는 다수의 버스를 다수의 메모리와 함께 사용할 수 있다. 마찬가지로, 다수의 전자 기기를 연결할 수 있고, 각 기기는 일부 필요한 동작(예를 들어, 서버 어레이, 한 그룹의 블레이드 서버, 또는 다중프로세서 시스템)을 제공한다. 도 5에서 하나의 프로세서(501)를 예로 든다.
메모리(502)는 본 개시에서 제공되는 비일시적 컴퓨터 판독 가능한 저장 매체이다. 여기서, 상기 메모리에는 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되어, 상기 적어도 하나의 프로세서가 본 개시에서 제공되는 모델 평가 방법을 수행할 수 있도록 한다. 본 개시의 비일시적 컴퓨터 판독 가능한 저장 매체에는 컴퓨터가 본 개시에서 제공되는 모델 평가 방법을 수행하도록 하는 컴퓨터 명령이 저장된다.
메모리(502)는 비일시적 컴퓨터 판독 가능한 저장 매체로서, 비일시적 소프트웨어 프로그램, 비일시적 컴퓨터 실행 가능한 프로그램, 및 본 개시의 실시예의 모델 평가 방법에 대응되는 프로그램 명령/모듈(예를 들어, 도 3 또는 도 4에 도시된 제1 획득 모듈(301), 제1 성문 추출 모듈(302), 제1 클러스터링 모듈(303), 제1 통계 모듈(304), 제1 평가 모듈(305), 제2 획득 모듈(306), 제2 성문 추출 모듈(307), 제2 클러스터링 모듈(308), 제2 통계 모듈(309), 제2 평가 모듈(310))과 같은 모듈을 저장할 수 있다. 프로세서(501)는 메모리(502)에 저장된 비일시적 소프트웨어 프로그램, 명령 및 모듈을 실행함으로써, 모델 평가 장치의 다양한 기능 애플리케이션 및 데이터 처리를 수행하는데, 즉 상기 방법 실시예의 모델 평가 방법을 구현한다.
메모리(502)는 프로그램 저장 영역 및 데이터 저장 영역을 포함할 수 있고, 여기서, 프로그램 저장 영역은 운영 체제, 적어도 하나의 기능에 필요한 응용 프로그램을 저장할 수 있으며; 데이터 저장 영역은 모델 평가 방법의 전자 기기의 사용에 따라 구축된 데이터 등을 저장할 수 있다. 이 밖에, 메모리(502)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 적어도 하나의 자기 디스크 메모리, 플래시 메모리, 또는 다른 비일시적 고체 상태 메모리와 같은 비일시적 메모리를 더 포함할 수 있다. 일부 실시예에서, 메모리(502)는 프로세서(501)에 대해 원격으로 설치된 메모리를 선택적으로 포함할 수 있고, 이러한 원격 메모리는 네트워크를 통해 모델 평가 방법의 전자 기기에 연결될 수 있다. 상기 네트워크의 구현예로 인터넷, 인트라넷, 근거리 통신망, 이동 통신망 및 이들의 조합을 포함하지만 이에 한정되지 않는다.
모델 평가 방법의 전자 기기는 입력 장치(503) 및 출력 장치(504)를 더 포함할 수 있다. 프로세서(501), 메모리(502), 입력 장치(503) 및 출력 장치(504)는 버스 또는 다른 방식을 통해 연결될 수 있고, 도 5에서 버스를 통해 연결되는 것을 예로 든다.
입력 장치(503)는 입력된 디지털 또는 문자 정보를 수신할 수 있고, 모델 평가 방법의 전자 기기의 사용자 설정 및 기능 제어와 관련된 키 신호 입력을 발생할 수 있으며, 상기 입력 장치는 예를 들어 터치스크린, 키패드, 마우스, 트랙 패널, 터치 패널, 지시 바, 하나 또는 다수의 마우스 버튼, 트랙 볼, 조이스틱 등 입력 장치이다. 출력 장치(504)는 표시 기기, 보조 조명 장치(예를 들어, LED) 및 촉각 피드백 장치(예를 들어, 진동 모터) 등을 포함할 수 있다. 상기 표시 기기는 액정 표시 장치(LCD), 발광 다이오드(LED) 표시 장치 및 플라스마 표시 장치를 포함할 수 있지만 이에 한정되지 않는다. 일부 실시 형태에서, 표시 기기는 터치스크린일 수 있다.
여기서 설명된 시스템 및 기술의 다양한 실시 형태는 디지털 전자 회로 시스템, 집적 회로 시스템, 전용 ASIC(전용 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합에서 구현될 수 있다. 이러한 다양한 실시 형태는 하나 또는 다수의 컴퓨터 프로그램에서의 구현을 포함할 수 있고, 상기 하나 또는 다수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템에서 실행 및/또는 해석될 수 있으며, 상기 프로그램 가능 프로세서는 전용 또는 범용 프로그램 가능 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력 장치, 및 적어도 하나의 출력 장치로부터 데이터 및 명령을 수신할 수 있으며, 데이터 및 명령을 상기 저장 시스템, 상기 적어도 하나의 입력 장치, 및 상기 적어도 하나의 출력 장치에 전송할 수 있다.
이러한 컴퓨팅 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 또는 코드라고도 함)은 프로그램 가능 프로세서의 기계 명령을 포함하고, 하이레벨 프로세스 및/또는 객체에 대한 프로그래밍 언어, 및/또는 어셈블리/기계 언어를 이용하여 이러한 컴퓨팅 프로그램을 실행할 수 있다. 본문에서 사용된 바와 같이, 용어 "기계 판독 가능한 매체” 및 "컴퓨터 판독 가능한 매체”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 컴퓨터 프로그램 제품, 기기, 및/또는 장치(예를 들어, 자기 디스크, 광 디스크, 메모리, 프로그램 가능 로직 장치(PLD))를 의미하고, 기계 판독 가능한 신호인 기계 명령을 수신하는 기계 판독 가능한 매체를 포함한다. 용어 "기계 판독 가능한 신호”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 의미한다.
사용자와의 인터랙션을 제공하기 위하여, 컴퓨터에서 여기서 설명된 시스템 및 기술을 실시할 수 있고, 상기 컴퓨터는 사용자에게 정보를 표시하기 위한 표시 장치(예를 들어, CRT(음극선관) 또는 LCD(액정 표시 장치) 모니터); 및 키보드 및 지향 장치(예를 들어, 마우스 또는 트랙 볼)를 구비하며, 사용자는 상기 키보드 및 상기 지향 장치를 통해 컴퓨터에 입력을 제공할 수 있다. 다른 타입의 장치는 또한 사용자와의 인터랙션을 제공할 수 있는데, 예를 들어, 사용자에게 제공된 피드백은 임의의 형태의 감지 피드백(예를 들어, 시각 피드백, 청각 피드백, 또는 촉각 피드백)일 수 있고; 임의의 형태(소리 입력, 음성 입력, 또는 촉각 입력)로 사용자로부터의 입력을 수신할 수 있다.
여기서 설명된 시스템 및 기술을 백그라운드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버), 또는 미들웨어 부재를 포함하는 컴퓨팅 시스템(예를 들어, 응용 서버), 또는 프론트 엔드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 그래픽 사용자 인터페이스 또는 웹 브라우저를 구비하는 사용자 컴퓨터이고, 사용자는 상기 그래픽 사용자 인터페이스 또는 웹 브라우저를 통해 여기서 설명된 시스템 및 기술의 실시 형태와 인터랙션할 수 있음), 또는 이러한 백그라운드 부재, 미들웨어 부재, 또는 프론트 엔드 부재의 임의의 조합을 포함하는 컴퓨팅 시스템에서 실시할 수 있다. 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)을 통해 시스템의 부재를 서로 연결시킬 수 있다. 통신 네트워크의 예시로 근거리 통신망(LAN), 광역 통신망(WAN), 인터넷을 포함한다.
컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 멀리 떨어져 있고 일반적으로 통신 네트워크를 통해 서로 인터랙션한다. 대응되는 컴퓨터에서 실행되고 또한 서로 클라이언트-서버 관계를 가지는 컴퓨터 프로그램을 통해 클라이언트 및 서버의 관계를 생성한다.
본 실시예에서, M개의 제1 성문 특징에 대해 클러스터링을 진행하여, K개의 제1 중심 특징을 획득하고, N개의 제2 성문 특징에 대해 클러스터링을 진행하여, J개의 제2 중심 특징을 획득하며, K개의 제1 중심 특징과 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제1 거리를 획득함으로써, 제1 거리에 기반하여 제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호의 환원 정도를 전체적으로 평가할 수 있어, 많은 양의 제1 오디오 신호의 환원 정도에 대해 신속한 평가를 진행할 수 있고, 제1 평가할 음성 합성 모델의 평가 효율을 향상시킨다. 따라서, 상기 기술수단을 사용하여, 선행 기술 중의 개성화 음성 합성 모델에 대해 평가를 진행하는 효율이 상대적으로 낮은 문제를 해결한다.
위에서 설명한 다양한 형태의 프로세스, 재배열, 추가 또는 삭제 단계를 사용할 수 있음을 이해해야 한다. 예를 들어, 본 개시에 기재된 각 단계는 동시에 수행될 수 있거나 순차적으로 수행될 수 있거나 상이한 순서로 수행될 수 있고, 본 개시에서 공개된 기술적 해결수단이 이루고자 하는 결과를 구현할 수만 있으면, 본문은 여기서 한정하지 않는다.
상기 구체적인 실시 형태는 본 개시의 보호 범위를 한정하지 않는다. 본 기술분야의 통상의 기술자는 설계 요구 및 다른 요소에 따라 다양한 수정, 조합, 서브 조합 및 대체를 진행할 수 있음을 이해해야 한다. 본 개시의 정신 및 원칙 내에서 진행한 임의의 수정, 등가적 대체 및 개선 등은 모두 본 개시의 보호 범위 내에 속해야 한다.

Claims (13)

  1. 모델 평가 방법으로서, 상기 방법은:
    제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호를 획득하고, N개의 녹음된 제2 오디오 신호를 획득하는 단계;
    상기 M개의 제1 오디오 신호 중 각각의 제1 오디오 신호에 대해 성문 추출을 진행하여, M개의 제1 성문 특징을 획득하고, 상기 N개의 제2 오디오 신호 중 각각의 제2 오디오 신호에 대해 성문 추출을 진행하여, N개의 제2 성문 특징을 획득하는 단계;
    상기 M개의 제1 성문 특징을 클러스터링하여, K개의 제1 중심 특징을 획득하고, 상기 N개의 제2 성문 특징을 클러스터링하여, J개의 제2 중심 특징을 획득하는 단계;
    상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제1 거리를 획득하는 단계; 및
    상기 제1 거리에 기반하여, 상기 제1 평가할 음성 합성 모델을 평가하는 단계를 포함하고,
    M, N, K 및 J는 모두 1보다 큰 양의 정수이며, M는 K보다 크고, N는 J보다 크며;
    상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제1 거리를 획득하는 단계는,
    각각의 제1 중심 특징에 대하여, 상기 제1 중심 특징과 각각의 제2 중심 특징의 코사인 거리를 산출하여, 상기 제1 중심 특징에 대응되는 J개의 코사인 거리를 획득하고, 상기 제1 중심 특징에 대응되는 J개의 코사인 거리의 합을 구하여, 상기 제1 중심 특징에 대응되는 코사인 거리 합을 획득하는 단계; 및
    상기 K개의 제1 중심 특징에 대응되는 코사인 거리 합의 합을 구하여, 상기 제1 거리를 획득하는 단계를 포함하는 것을 특징으로 하는 모델 평가 방법.
  2. 제1항에 있어서,
    상기 제1 거리에 기반하여, 상기 제1 평가할 음성 합성 모델을 평가하는 단계는,
    상기 제1 거리가 제1 사전 설정 임계값보다 작을 경우, 상기 제1 평가할 음성 합성 모델 평가가 성공한 것으로 확정하는 단계; 및
    상기 제1 거리가 상기 제1 사전 설정 임계값보다 크거나 같을 경우, 상기 제1 평가할 음성 합성 모델 평가가 성공하지 못 한 것으로 확정하는 단계를 포함하는 것을 특징으로 하는 모델 평가 방법.
  3. 제1항에 있어서,
    상기 제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호를 획득하고, N개의 녹음된 제2 오디오 신호를 획득하는 단계 이후에, 상기 방법은,
    제2 평가할 음성 합성 모델을 사용하여 합성된 T개의 제3 오디오 신호를 획득하는 단계;
    상기 T개의 제3 오디오 신호 중 각각의 제3 오디오 신호에 대해 성문 추출을 진행하여, T개의 제3 성문 특징을 획득하는 단계;
    상기 T개의 제3 성문 특징을 클러스터링하여, P개의 제3 중심 특징을 획득하는 단계;
    상기 P개의 제3 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제2 거리를 획득하는 단계; 및
    상기 제1 거리와 제2 거리에 기반하여, 상기 제1 평가할 음성 합성 모델 또는 상기 제2 평가할 음성 합성 모델을 평가하는 단계를 더 포함하고,
    T와 P는 1보다 큰 양의 정수이며, T는 P보다 큰 것을 특징으로 하는 모델 평가 방법.
  4. 제1항에 있어서,
    상기 K개의 제1 중심 특징 중 두 개의 제1 중심 특징 사이의 코사인 거리는 제2 사전 설정 임계값보다 크고, 상기 J개의 제2 중심 특징 중 두 개의 제2 중심 특징 사이의 코사인 거리는 제3 사전 설정 임계값보다 큰 것을 특징으로 하는 모델 평가 방법.
  5. 모델 평가 장치로서,
    상기 장치는:
    제1 평가할 음성 합성 모델을 사용하여 합성된 M개의 제1 오디오 신호를 획득하고, N개의 녹음된 제2 오디오 신호를 획득하는 제1 획득 모듈;
    상기 M개의 제1 오디오 신호 중 각각의 제1 오디오 신호에 대해 성문 추출을 진행하여, M개의 제1 성문 특징을 획득하고, 상기 N개의 제2 오디오 신호 중 각각의 제2 오디오 신호에 대해 성문 추출을 진행하여, N개의 제2 성문 특징을 획득하는 제1 성문 추출 모듈;
    상기 M개의 제1 성문 특징을 클러스터링하여, K개의 제1 중심 특징을 획득하고, 상기 N개의 제2 성문 특징을 클러스터링하여, J개의 제2 중심 특징을 획득하는 제1 클러스터링 모듈;
    상기 K개의 제1 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제1 거리를 획득하는 제1 통계 모듈; 및
    상기 제1 거리에 기반하여, 상기 제1 평가할 음성 합성 모델을 평가하는 제1 평가 모듈을 포함하고,
    M, N, K 및 J는 모두 1보다 큰 양의 정수이며, M는 K보다 크고, N는 J보다 크며;
    상기 제1 통계 모듈은 구체적으로, 각각의 제1 중심 특징에 대하여, 상기 제1 중심 특징과 각각의 제2 중심 특징의 코사인 거리를 산출하여, 상기 제1 중심 특징에 대응되는 J개의 코사인 거리를 획득하고, 상기 제1 중심 특징에 대응되는 J개의 코사인 거리의 합을 구하여, 상기 제1 중심 특징에 대응되는 코사인 거리 합을 획득하며, 상기 K개의 제1 중심 특징에 대응되는 코사인 거리 합의 합을 구하여, 상기 제1 거리를 획득하는 것을 특징으로 하는 모델 평가 장치.
  6. 제5항에 있어서,
    상기 제1 평가 모듈은 구체적으로, 상기 제1 거리가 제1 사전 설정 임계값보다 작을 경우, 상기 제1 평가할 음성 합성 모델 평가가 성공한 것으로 확정하고, 상기 제1 거리가 상기 제1 사전 설정 임계값보다 크거나 같을 경우, 상기 제1 평가할 음성 합성 모델 평가가 성공하지 못 한 것으로 확정하는 것을 특징으로 하는 모델 평가 장치.
  7. 제5항에 있어서,
    상기 장치는,
    제2 평가할 음성 합성 모델을 사용하여 합성된 T개의 제3 오디오 신호를 획득하는 제2 획득 모듈;
    상기 T개의 제3 오디오 신호 중 각각의 제3 오디오 신호에 대해 성문 추출을 진행하여, T개의 제3 성문 특징을 획득하는 제2 성문 추출 모듈;
    상기 T개의 제3 성문 특징을 클러스터링하여, P개의 제3 중심 특징을 획득하는 제2 클러스터링 모듈;
    상기 P개의 제3 중심 특징과 상기 J개의 제2 중심 특징 사이의 코사인 거리를 통계하여, 제2 거리를 획득하는 제2 통계 모듈; 및
    상기 제1 거리와 제2 거리에 기반하여, 상기 제1 평가할 음성 합성 모델 또는 상기 제2 평가할 음성 합성 모델을 평가하는 제2 평가 모듈을 포함하고,
    T와 P는 1보다 큰 양의 정수이며, T는 P보다 큰 것을 특징으로 하는 모델 평가 장치.
  8. 제5항에 있어서,
    상기 K개의 제1 중심 특징 중 두 개의 제1 중심 특징 사이의 코사인 거리는 제2 사전 설정 임계값보다 크고, 상기 J개의 제2 중심 특징 중 두 개의 제2 중심 특징 사이의 코사인 거리는 제3 사전 설정 임계값보다 큰 것을 특징으로 하는 모델 평가 장치.
  9. 전자 기기로서,
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 통신 연결하는 메모리를 포함하고,
    상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되며, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 청구항 제1항 내지 제4항 중 어느 한 항에 따른 방법을 수행할 수 있도록 하는 것을 특징으로 하는 전자 기기.
  10. 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체로서,
    상기 컴퓨터 명령은 상기 컴퓨터가 청구항 제1항 내지 제4항 중 어느 한 항에 따른 방법을 수행하도록 하는 것을 특징으로 하는 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체.
  11. 컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 컴퓨터 프로그램은 적어도 하나의 프로세서에 의해 실행될 경우, 청구항 제1항 내지 제4항 중 임의의 어느 한 항에 따른 상기 방법을 구현하는 것인,
    컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 프로그램.
  12. 삭제
  13. 삭제
KR1020210035332A 2020-05-21 2021-03-18 모델 평가 방법, 장치 및 전자 기기 KR102553892B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010437127.5 2020-05-21
CN202010437127.5A CN111477251B (zh) 2020-05-21 2020-05-21 模型评测方法、装置及电子设备

Publications (2)

Publication Number Publication Date
KR20210038468A KR20210038468A (ko) 2021-04-07
KR102553892B1 true KR102553892B1 (ko) 2023-07-07

Family

ID=71763719

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210035332A KR102553892B1 (ko) 2020-05-21 2021-03-18 모델 평가 방법, 장치 및 전자 기기

Country Status (5)

Country Link
US (1) US20210210112A1 (ko)
EP (1) EP3843093B1 (ko)
JP (1) JP7152550B2 (ko)
KR (1) KR102553892B1 (ko)
CN (2) CN111477251B (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11798527B2 (en) 2020-08-19 2023-10-24 Zhejiang Tonghu Ashun Intelligent Technology Co., Ltd. Systems and methods for synthesizing speech
CN112466272B (zh) * 2020-10-23 2023-01-17 浙江同花顺智能科技有限公司 一种语音合成模型的评价方法、装置、设备及存储介质
CN112802494B (zh) * 2021-04-12 2021-07-16 北京世纪好未来教育科技有限公司 语音评测方法、装置、计算机设备和介质
CN113450768A (zh) * 2021-06-25 2021-09-28 平安科技（深圳）有限公司 语音合成系统评测方法、装置、可读存储介质及终端设备
CN113808578B (zh) * 2021-11-16 2022-04-15 阿里巴巴达摩院(杭州)科技有限公司 音频信号处理方法、装置、设备及存储介质
CN114299921B (zh) * 2021-12-07 2022-11-18 浙江大学 一种语音指令的声纹安全性评分方法和系统
CN116844553A (zh) * 2023-06-02 2023-10-03 支付宝(杭州)信息技术有限公司 数据处理方法、装置及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130080172A1 (en) * 2011-09-22 2013-03-28 General Motors Llc Objective evaluation of synthesized speech attributes
CN110675881A (zh) * 2019-09-05 2020-01-10 北京捷通华声科技股份有限公司 一种语音校验方法和装置

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2423903B (en) * 2005-03-04 2008-08-13 Toshiba Res Europ Ltd Method and apparatus for assessing text-to-speech synthesis systems
US7480641B2 (en) * 2006-04-07 2009-01-20 Nokia Corporation Method, apparatus, mobile terminal and computer program product for providing efficient evaluation of feature transformation
CN104347071B (zh) * 2013-08-02 2020-02-07 科大讯飞股份有限公司 生成口语考试参考答案的方法及系统
US9009045B1 (en) * 2013-12-09 2015-04-14 Hirevue, Inc. Model-driven candidate sorting
JP6606784B2 (ja) 2015-09-29 2019-11-20 本田技研工業株式会社 音声処理装置および音声処理方法
JP6452591B2 (ja) 2015-10-27 2019-01-16 日本電信電話株式会社 合成音声品質評価装置、合成音声品質評価方法、プログラム
JP6639285B2 (ja) 2016-03-15 2020-02-05 株式会社東芝 声質嗜好学習装置、声質嗜好学習方法及びプログラム
US9865249B2 (en) * 2016-03-22 2018-01-09 GM Global Technology Operations LLC Realtime assessment of TTS quality using single ended audio quality measurement
CN107564513B (zh) * 2016-06-30 2020-09-08 阿里巴巴集团控股有限公司 语音识别方法及装置
CN106782564B (zh) * 2016-11-18 2018-09-11 百度在线网络技术（北京）有限公司 用于处理语音数据的方法和装置
CN110399602A (zh) * 2018-04-25 2019-11-01 北京京东尚科信息技术有限公司 一种评测文本可靠性的方法和装置
CN108986786B (zh) * 2018-07-27 2020-12-08 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 语音交互设备评级方法、系统、计算机设备和存储介质
CN110928957A (zh) * 2018-09-20 2020-03-27 阿里巴巴集团控股有限公司 数据聚类方法及装置
CN109257362A (zh) * 2018-10-11 2019-01-22 平安科技（深圳）有限公司 声纹验证的方法、装置、计算机设备以及存储介质
CN109272992B (zh) * 2018-11-27 2022-03-18 北京猿力未来科技有限公司 一种口语测评方法、装置及一种生成口语测评模型的装置
CN110517667A (zh) * 2019-09-03 2019-11-29 龙马智芯（珠海横琴）科技有限公司 一种语音处理方法、装置、电子设备和存储介质
CN110689903B (zh) * 2019-09-24 2022-05-13 百度在线网络技术（北京）有限公司 智能音箱的评测方法、装置、设备和介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130080172A1 (en) * 2011-09-22 2013-03-28 General Motors Llc Objective evaluation of synthesized speech attributes
CN110675881A (zh) * 2019-09-05 2020-01-10 北京捷通华声科技股份有限公司 一种语音校验方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Gururani, Siddharth, et al, Prosody transfer in neural text to speech using global pitch and loudness features, arXiv preprint arXiv:1911.09645, 2019*

Also Published As

Publication number Publication date
US20210210112A1 (en) 2021-07-08
KR20210038468A (ko) 2021-04-07
EP3843093A3 (en) 2021-10-13
EP3843093B1 (en) 2023-05-03
CN111477251B (zh) 2023-09-05
CN117476038A (zh) 2024-01-30
JP2021103324A (ja) 2021-07-15
JP7152550B2 (ja) 2022-10-12
CN111477251A (zh) 2020-07-31
EP3843093A2 (en) 2021-06-30

Similar Documents

Publication Publication Date Title
KR102553892B1 (ko) 모델 평가 방법, 장치 및 전자 기기
CN111539514B (zh) 用于生成神经网络的结构的方法和装置
JP7126542B2 (ja) データセット処理方法、装置、電子機器及び記憶媒体
JP7166322B2 (ja) モデルを訓練するための方法、装置、電子機器、記憶媒体およびコンピュータプログラム
CN112037760B (zh) 语音频谱生成模型的训练方法、装置及电子设备
JP7395445B2 (ja) 検索データに基づくヒューマンコンピュータ対話型インタラクションの方法、装置及び電子機器
JP7113097B2 (ja) テキストエンティティの語義記述処理方法、装置及び機器
CN111737954B (zh) 文本相似度确定方法、装置、设备和介质
CN112365876B (zh) 语音合成模型的训练方法、装置、设备以及存储介质
JP7285874B2 (ja) 巡航制御方法、装置、電子デバイス、車両、コンピュータ可読記憶媒体、およびコンピュータプログラム
KR102528771B1 (ko) 입 모양 특징을 예측하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램
JP7264957B2 (ja) 音声インタラクション方法、装置、電子機器、コンピュータ読取可能な記憶媒体及びコンピュータプログラム
CN111914994A (zh) 多层感知机的生成方法、装置、电子设备及存储介质
JP7267379B2 (ja) 画像処理方法、事前トレーニングモデルのトレーニング方法、装置及び電子機器
JP7164077B2 (ja) ビデオセグメント記述の生成方法、装置、プログラム、電子デバイス及び記憶媒体
CN112015439B (zh) 用户app兴趣的嵌入方法、装置、设备以及存储介质
JP2022002093A (ja) 顔編集方法、装置、電子デバイス及び可読記憶媒体
WO2021227333A1 (zh) 人脸关键点检测方法、装置以及电子设备
CN111914884A (zh) 梯度下降树的生成方法、装置、电子设备及存储介质
US20230123581A1 (en) Query rewriting method and apparatus, device and storage medium
Zhang et al. Age group classification in the wild with deep RoR architecture
CN111382562B (zh) 文本相似度的确定方法、装置、电子设备及存储介质
JP7264963B2 (ja) 対話生成方法、装置、電子機器及び記憶媒体
CN117349625A (zh) 基于分词相似度的元数据关系匹配方法及系统
CN111914995A (zh) 正则化线性回归生成方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant