[发明专利]语音测评方法、装置、计算机设备和存储介质

权利要求书

1.一种语音测评方法，其特征在于，所述方法包括：

获取待测评语音，并对所述待测评语音进行语音处理，得到时间对齐结果和所述待测评语音的音频特征；

根据所述时间对齐结果和所述音频特征，确定与所述待测评语音对应的多个音素单元各自对应的目标音素特征；

获取每个音素单元分别对应的发音特征，并将所述发音特征与相应的目标音素特征进行第一融合处理，得到每个音素单元各自对应的融合特征；

确定所述待测评语音中每个整句所包括的语音音素，基于各整句各自包括的语音音素所属音素单元的融合特征进行第二融合处理，得到每个所述整句各自对应的语句特征；

根据所述语句特征确定所述待测评语音的测评分值。

2.根据权利要求1所述的方法，其特征在于，所述时间对齐结果包括每个语音音素的起止时间，所述对所述待测评语音进行语音处理，得到时间对齐结果和所述待测评语音的音频特征，包括：

根据预设帧长对所述待测评语音进行分帧处理，得到对应的音频帧序列；

提取所述音频帧序列中每个音频帧各自对应的音频特征，并通过预设的音素识别算法识别所述音频帧序列所包括的每个语音音素各自对应的起止时间。

3.根据权利要求2所述的方法，其特征在于，所述根据所述时间对齐结果和所述音频特征，确定与所述待测评语音对应的多个音素单元各自对应的目标音素特征，包括：

根据每个所述语音音素的起止时间、所述预设帧长、及各音频帧在所述音频帧序列中的排列顺序，确定所述待测评语音中每个语音音素各自对应的音频帧；

根据所述待测评语音中每个语音音素各自对应的音频帧、和每个所述音频帧的音频特征，得到每个所述语音音素各自对应的初始音素特征；

基于属于相同音素单元的各语音音素的初始音素特征，确定与所述待测评语音对应的多个音素单元各自对应的目标音素特征。

4.根据权利要求3所述的方法，其特征在于，所述基于属于相同音素单元的各语音音素的初始音素特征，确定与所述待测评语音对应的多个音素单元各自对应的目标音素特征，包括：

确定所述待测评语音所包括的不重复的音素单元，并确定每个所述不重复音素单元各自对应的至少一个初始音素特征；

对于多个不重复音素单元中的每个音素单元，均对所述音素单元所对应的至少一个初始音素特征进行第三融合处理，得到相应音素单元的目标音素特征。

5.根据权利要求1所述的方法，其特征在于，所述确定所述待测评语音中每个整句所包括的语音音素，包括：

获取与所述待测评语音对应的参考文本；

根据所述参考文本，确定所述待测评语音所包括的至少一个整句，以及每个所述整句各自包括的分词；

根据分词与语音音素之间的映射关系，确定所述待测评语音中每个整句各自包括的语音音素。

6.根据权利要求5所述的方法，其特征在于，所述基于各整句各自包括的语音音素所属音素单元的融合特征进行第二融合处理，得到每个所述整句各自对应的语句特征，包括：

对于至少一个整句中的每个整句，均根据所述分词与语音音素之间的映射关系确定当前整句中的每个分词各自包括的语音音素；

对于所述当前整句所包括的至少一个分词中的每个分词，均对当前分词所包括的至少一个语音音素所属音素单元的融合特征进行音素融合处理，得到所述当前分词的分词特征；

对所述当前整句所包括的各分词的分词特征进行分词融合处理，得到所述当前整句的语句特征。

7.根据权利要求6所述的方法，其特征在于，所述对所述当前整句所包括的各分词的分词特征进行分词融合处理，得到所述当前整句的语句特征，包括：

根据当前整句所包括的分词数量和所述分词特征的特征维度，确定所述当前整句中每个分词各自对应的自注意力权重；

根据所述当前整句中每个分词各自对应的自注意力权重，对所述当前整句中每个分词各自对应的分词特征进行加权求和处理，得到所述整句的语句特征。