[发明专利]一种发音检测方法、装置、计算机设备及存储介质

说明书

本公开提供了一种发音检测方法、装置、计算机设备及存储介质，该方法包括：获取待检测的音频数据；基于所述音频数据和预先确定的检测模型，确定所述音频数据中包括的各个音素的时间边界；以及，获取与所述音频数据对应的至少一个错误发音序列，所述错误发音序列中包括至少一个音素；基于所述音频数据中包括的各个音素的时间边界、所述至少一个错误发音序列、以及所述检测模型，确定所述至少一个错误发音序列对应的第一检测值，所述第一检测值用于表示所述音频数据中所包含的音素组成的音频发音序列为所述至少一个错误发音序列的概率；基于所述至少一个错误发音序列对应的第一检测值，确定所述音频数据对应的发音检测结果。

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种发音检测方法、装置、计算机设备及存储介质。

背景技术

近年来，学生的教育问题越来越受到各方面的重视，但出于人力成本等多方面考量，学生们在进行发音练习时往往不会有专人进行随时的检测和纠正辅导，因此，需要借助应用程序对学生的发音进行自动检测和纠正。

现有的检测模型往往只能检测出学生的发音音频中各个音素的时间边界，当需要对检测出的时间边界内的音素进行确认时，则需要做其他的处理，比如再进行特征提取和特征转化等一系列操作，从而使得检测流程繁琐，导致了发音检测效率较低。

发明内容

本公开实施例至少提供一种发音检测方法、装置、计算机设备及存储介质。

第一方面，本公开实施例提供了一种发音检测方法，包括：

获取待检测的音频数据；

基于所述音频数据和预先确定的检测模型，确定所述音频数据中包括的各个音素的时间边界；以及，获取与所述音频数据对应的至少一个错误发音序列，所述错误发音序列中包括至少一个音素；

基于所述音频数据中包括的各个音素的时间边界、所述至少一个错误发音序列、以及所述检测模型，确定所述至少一个错误发音序列对应的第一检测值，所述第一检测值用于表示所述音频数据中所包含的音素组成的音频发音序列为所述至少一个错误发音序列的概率；

基于所述至少一个错误发音序列对应的第一检测值，确定所述音频数据对应的发音检测结果。

一种可能的实施方式中，所述基于所述音频数据和预先确定的检测模型，确定所述音频数据中包括的各个音素的时间边界，包括：

将所述音频数据和所述音频数据对应的发音序列输入至所述检测模型，得到与所述音频数据在该发音序列下对应的似然度矩阵，其中，所述似然度矩阵表示在该发音序列下每个采样区间内出现不同音素的概率；其中，所述音频数据对应的发音序列包括所述音频数据的标准发音序列和/或错误发音序列；

基于所述似然度矩阵，确定所述音频数据中包括的各个音素的时间边界。

一种可能的实施方式中，所述基于所述音频数据中包括的各个音素的时间边界、所述至少一个错误发音序列、以及所述检测模型，确定所述至少一个错误发音序列对应的第一检测值，包括：

针对任一个错误发音序列，将所述音频数据和该错误发音序列输入至所述检测模型，得到所述音频数据在该错误发音序列下对应的似然度矩阵；

基于所述音频数据中包括的各个音素的时间边界和所述音频数据在该错误发音序列下对应的似然度矩阵以及所述检测模型，确定该错误发音序列对应的第一检测值。

一种可能的实施方式中，所述错误发音序列为基于样本音频数据得到的，用于表征所述待检测的音频数据可能的发音音素组合；

所述错误发音序列包括：典型错误发音序列、通用错误发音序列。

一种可能的实施方式中，所述基于所述音频数据中包括的各个音素的时间边界、所述至少一个错误发音序列、以及所述检测模型，确定所述至少一个错误发音序列对应的第一检测值，包括：