[发明专利]发音质量评价方法、装置、电子设备及存储介质

说明书

本发明涉及语音识别技术领域，公开了一种发音质量评价方法、装置、电子设备及存储介质，所述方法包括：在待评价语音中，确定出参考文本对应的每个音素对应的音频帧以及每个音素与对应的音频帧的匹配概率，参考文本为待评价语音对应的参考文本；针对每个音素，根据该音素对应的匹配概率和该音素对应的音频帧计算该音素的发音准确度评价值；根据每个音素的发音准确度评价值和预先为每个音素确定的权重值，得到待评价语音的准确度评价值。本发明实施例提供的技术方案，通过为各个音素设置权重值，扩大发音较好的语音和发音较差的语音之间的准确度评价值的差异度，提高发音质量评价的准确性和可信度。

技术领域

本发明涉及语音识别技术领域，尤其涉及一种发音质量评价方法、装置、电子设备及存储介质。

背景技术

随着互联网的发展，基于互联网的语言学习应用也得到了快速的发展。对于语言学习，除了学习语法和词汇等之外，一个重要的方面是学习语言的听说能力，尤其是说的能力。现有的语言学习应用中，用户通过用户端的录音设备录制语音，系统根据与该语音相对应的参考文本，将用户录制的语音和现有声学模型进行比较，从而向用户提供整句录音的发音评分，以及每个单词的发音是否正确的反馈。因此，发音评价方法的准确性直接影响用户学习效果。

目前，对口语发音进行评价的方法主要采用GOP(Goodness of Pronunciation，发音准确度)算法，通过GOP算法计算用户录制的语音对应的参考文本对应的每个音素的发音准确度评价值，求每个单词对应的音素的发音准确度评价值的平均值，得到单词的发音准确度评价值，然后在求参考文本中所有单词的发音准确度评价值的平均值，作为该语音的发音评分。但是，现有的GOP算法得到的是每个单词对应的准确度评价值，而单词本身的颗粒度比较大，不能反应更为详细的质量评价结果，导致发音质量评价结果不够准确、可信度较低。

发明内容

本发明实施例提供一种发音质量评价方法、装置、电子设备及存储介质，以解决现有技术中发音质量评价不够准确、可信度较低的问题。

第一方面，本发明一实施例提供了一种发音质量评价方法，包括：

在待评价语音中，确定出参考文本对应的每个音素对应的音频帧以及每个音素与对应的音频帧的匹配概率，参考文本为待评价语音对应的参考文本；

针对每个音素，根据音素对应的匹配概率和音素对应的音频帧计算音素的发音准确度评价值；

根据每个音素的发音准确度评价值和预先为每个音素确定的权重值，得到待评价语音的准确度评价值。

第二方面，本发明一实施例提供了一种发音质量评价装置，包括：

确定模块，用于在待评价语音中，确定出参考文本对应的每个音素对应的音频帧以及每个音素与对应的音频帧的匹配概率，参考文本为待评价语音对应的参考文本；

音素准确度计算模块，用于针对每个音素，根据音素对应的匹配概率和音素对应的音频帧计算音素的发音准确度评价值；

准确度计算模块，用于根据每个音素的发音准确度评价值和预先为每个音素确定的权重值，得到待评价语音的准确度评价值。

第三方面，本发明一实施例提供了一种电子设备，包括收发机、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，其中，收发机用于在处理器的控制下接收和发送数据，处理器执行计算机程序时实现上述任一种方法的步骤。

第四方面，本发明一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指令，该计算机程序指令被处理器执行时实现上述任一种方法的步骤。

本发明实施例提供的技术方案，在基于音素的发音准确度评价单词或句子的发音准确度时，通过为各个音素设置权重值，提升了部分音素对发音准确度评价值的贡献度，扩大发音较好的语音和发音较差的语音之间的准确度评价值的差异度，提高发音质量评价的准确性和可信度。