[发明专利]一种语音评分方法及系统

权利要求书

1.一种语音评分方法，其特征在于，包括步骤：

S1、录制考生的考卷语音；

S2、对所述考生的考卷语音进行预处理，得到考卷语音语料；

S3、提取所述考卷语音语料的特征参数；

S4、采用基于HMM和ANN混合模型的语音识别方法将所述考卷语音语料的特征参数和标准语音模板进行特征匹配，识别出所述考卷语音的内容，并给予初步评分；

S5、若初步评分低于预先设定阈值，则所述初步评分为该考卷语音的最终评分，并标记该考卷语音为问题卷；若初步评分高于预先设定阈值，则对所述考卷语音进行准确度、流利度、语速、节奏、重音和语调分指标评分；

S6、对所述分指标评分进行加权计算得到所述考卷语音的最终评分。

2.如权利要求1所述的语音评分方法，其特征在于，所述步骤S1之前还包括步骤S0，所述步骤S0具体包括步骤：

S01、录制专家的标准语音；

S02、对所述标准语音进行预处理，得到标准语音语料；

S03、提取所述标准语音语料的特征参数；

S04、对所述标准语音语料的特征参数进行模型训练，得到所述标准语音模板。

3.如权利要求1所述的语音评分方法，其特征在于，所述步骤S4中基于HMM和ANN混合模型的语音识别方法的具体步骤为：

S41、建立所述考卷语音语料的特征参数的HMM模型，得到HMM模型中所有状态累积概率；

S42、将所述所有状态累积概率作为ANN分类器的输入特征进行处理，从而输出识别结果；

S43、将所述识别结果与所述标准语音模板进行特征匹配，从而识别出所述考卷语音的内容。

4.如权利要求1所述的语音评分方法，其特征在于，所述步骤S2中的预处理具体包括降噪、预加重、分帧、加窗、端点检测和切词，其中，所述降噪的具体步骤为采用语音的空白语音段作为噪声的基值对后续语音进行去噪处理。

5.如权利要求4所述的语音评分方法，其特征在于，所述切词具体包括步骤：

S21、提取语音中每个音素的MFCC参数，并建立对应音素的HMM模型；

S22、对语音进行粗切分，得到有效的语音段；

S23、根据所述音素的HMM模型识别出所述语音段的单词，从而将语音识别为单词集合。

6.如权利要求1所述的语音评分方法，其特征在于，所述步骤S3中的提取参数特征具体为提取MFCC特征参数，具体步骤为将预处理后得到的语料进行快速傅里叶变换、三角窗滤波、求对数、离散余弦变换得到MFCC特征参数。

7.如权利要求1所述的语音评分方法，其特征在于，所述步骤S5中的准确度评分具体步骤为：

采用抽插值的方法将待评分语音语句规整到与标准语音语句相近的程度；采用短时能量作为特征来提取所述待评分语音语句与标准语音语句的强度曲线；通过比较待评分语音语句与标准语音语句的强度曲线的拟合程度进行评分。

8.如权利要求1所述的语音评分方法，其特征在于，所述步骤S5中的流利度评分具体步骤为：

将待评分语音截成前后两部分，并对前半部份和后半部份切词从而得到有效语音段；将前后两部分的有效语音段的长度分别与总待评分语音的长度作除运算，并将得到的值与对应的阈值相比较，若大于对应的阈值，则判定为流利；否则，判定为不流利。

9.如权利要求1所述的语音评分方法，其特征在于，所述步骤S5中的

语速评分具体步骤为：计算待评分语音中发音部分占整个待评分语音时长的比例，根据所述比例对语速进行评分；

节奏评分具体步骤为：采用改进的dPVI参数计算公式计算待评分语音的节奏；

重音评分具体步骤为：在规整后的强度曲线基础上，通过设置重音阈值和非重音阈值作为特征的双门限以及重读元音时长划分重音单元，并采用DTW算法对所述待评分语音语句和标准语音语句进行模式匹配，实现重音的评分；

语调评分具体步骤为：提取待评分语音和标准语音的共振峰，并根据所述待评分语音共振峰的变化趋势与标准语音共振峰的变化趋势的拟合程度对语调进行评分。

10.一种语音评分系统，其特征在于，包括：

语音录制模块，用于录制考生的考卷语音；

预处理模块，用于对所述考生的考卷语音进行预处理，得到考卷语音语料；

特征参数提取模块，用于提取所述考卷语音语料的特征参数；

语音识别模块，用于采用基于HMM和ANN混合模型的语音识别方法对所述考卷语音语料的特征参数和标准语音模板进行特征匹配，识别出考卷语音的内容，并给予初步评分以及标记是否为问题卷；

语音评分模块，用于对于初步评分高于预先设定阈值的非问题考卷语音进行准确度评分、流利度评分、语速评分、节奏评分、重音评分和语调评分。

综合评分模块，用于综合准确度、流利度、语速、节奏、重音和语调的评分计算得到初步评分高于设定阈值的考卷语音的最终评分。