[发明专利]一种用于英语语音的信息采集方法

说明书

本发明公开了一种用于英语语音的信息采集方法，该信息采集方法包括以下步骤：S1、采集音频信号并放大；S2、将放大后的音频信号进行模拟滤波；S3、将模拟滤波后的信号转换为数字信号并提取数字音频信号的音频特征参数：起音时间、频谱质心、频谱通量、基音频率、尖锐度等；S4、将上述音频特征参数与标准音源数据库中的音源模型匹配，然后将数字音频信号与音源模型中的音节、音位匹配得出匹配度，根据匹配度差距大小进行音素纠正；S5、将纠正后的音素组合进数字音频信号；S6、对合成后的数字音频信号进行模糊滤波，并输出音频信号。

技术领域

本发明涉及音频信息采集和处理技术领域，具体涉及一种用于英语语音的信息采集方法。

背景技术

随着远程教育的普及，“网课”作为一种现场课程的替代和补充起到了很重要的作用，特别是在英语教学中，教学者通常希望能够给出完美的语音以完成课堂或者培训教学，因此，通过语音智能化方法来实时纠正发音就能解决教学者的痛点。

现有技术中普遍通过将教学语音与标准语音对比给出评分或者对声音进行美化的方式来实现语音评价或者纠正。如CN202010891349.4就公开了一种自适应英语语音的生成方法，采集目标语音信号；对采集的所述目标语音信号进行信号分析和处理，得到对应的待保留信号；针对得到的所述待保留信号，参照英语语音对应的标准语音信号，对所述待保留信号进行缺陷识别；根据缺陷识别结果，将包含所述目标语音信号的语音数据输入对应的英语语音输出模型中，获取语音输出结果，得到生成的英语语音，以提高英语语音输出的精准性和智能性。

然而参照英语语音的标准语音信号时并未考虑到发音者与标准语音信号之间的本质差别例如口腔发音位置不同、声调不同、语气不同等，会使得所谓“缺陷”识别不准确，导致在输入对应的英语语音输出模型中输出的英语语音失真，语句不连贯等问题。

同时，现有技术中的语音美化往往不能适应不同发音者的特点，美化后的语音不够平滑，体验效果较差。

发明内容

本发明的目的在于提供一种用于英语语音的信息采集方法，以解决背景技术中提到的发音者与标准语音信号之间的本质差别例如口腔发音位置不同、声调不同、语气不同等而导致的识别不准，语音不连贯、输出失真等问题。

为实现上述目的，本发明提供如下技术方案：

一种用于英语语音的信息采集方法，具体的步骤如下：

S1、采集音频信号并放大；

S2、将放大后的音频信号进行模拟滤波；

S3、将模拟滤波后的信号转换为数字信号并提取数字音频信号的音频特征参数：起音时间、频谱质心、频谱通量、基音频率、尖锐度等；

S4、将上述音频特征参数与标准音源数据库中的音源模型匹配，然后将数字音频信号与音源模型中的音节、音位匹配得出匹配度，根据匹配度差距大小进行音素纠正；

S5、将纠正后的音素组合进数字音频信号；

S6、对合成后的数字音频信号进行模糊滤波，并输出音频信号。

所述S4中的标准音源数据库中的音源模型有多个不同类型的；

所述S4中的匹配度计算方法具体如下：采用皮尔森相关系数的方式来计算匹配度，起音时间、频谱质心、频谱通量、基音频率、尖锐度等多个特征参数作为向量，然后计算上述向量的相关系数，所述相关系数即可作为匹配度。

所述S4中的音素纠正是指以音素为单位与音源模型进行比较，两者得出的音素差值较大的（超出范围的）即按照音源模型中的音素为基础进行纠正，如果音素差值根据音素相关系数确定，所述音素相关系数包括音调、音长、音高、清、浊、爆破等，如/θ/是个清辅音，声带不震动，要注意与/ð/,/s/,/z/的区别，如果发/θ/音时，尖锐度以及能量较大时则判定差值较大，需要纠正。

所述S6中的模糊滤波实现方式为：结合工作在时域的相位模糊滤波器，根据未纠正音素与音源模型中的差值对纠正后的音素进行能量平滑处理。