[发明专利]一种发音检测方法及装置

说明书

本发明公开一种发音检测方法及装置。该方法包括：接收待检测语音信号；确定所述语音信号的各基本语音单元及所述基本语音单元对应的语音帧及帧数；计算将所述基本语音单元规整到预设的固定帧数时所需的可变帧移；根据所述可变帧移及预设的固定帧长，对规整后的基本语音单元进行分帧；提取分帧后的基本语音单元的音段特征；计算所述基本语音单元的音段特征与预设的对应所述基本语音单元的标准发音模型的似然度，所述预设的对应所述基本语音单元的标准发音模型是预先在训练集上提取基本语音单元的声学特征后训练数学统计模型得到的；根据所述似然度确定所述基本语音单元的发音是否正确。利用本发明，可以提高发音检测的准确性。

技术领域

本发明涉及信号处理技术领域，尤其涉及一种发音检测方法及装置。

背景技术

发音检测是指计算机自动判断用户发音中是否存在发音错误，以及确定发音错误的不同层次，如音素、音节、或者音调错误等。发音检测是计算机辅助发音训练(ComputerAssisted Pronunciation Training，CAPT)系统的核心，根据其检测结果可以实现对用户发音的针对性的有效指导。

现有技术中，检测准确率较高的方法如基于深度神经网络(Deep NeuralNetwork，DNN)识别器的发音检测方法，主要包括：接收待检测语音信号；提取该语音信号的声学特征，在DNN系统中采用帧拼接特征提取法，具体地，将连续若干帧梅尔倒谱系数(MelFrequency Cepstral Coefficients,MFCC)或者MFCC和基频F0的组合特征，拼接成一个多维数的超矢量作为当前语音帧的扩展特征，如图1所示，将语音帧第t帧前后各一帧观测矢量按先后顺序首尾相接形成第t帧超矢量，该语音信号中语音帧的超矢量所形成的序列即形成该语音信号的声学特征序列；然后，在系统预设的声学模型、语言模型或者词图构建的搜索空间中搜索与所述声学特征序列相应的解码结果，进而根据解码结果确定该语音信号的各基本语音单元及对应的语音片断，最后依据帧拼接特征提取时获得的各基本语音单元对应的语音帧的超矢量计算似然度，获得各基本语音单元发音的准确率，进而根据发音准确率执行发音检测。

然而，在帧拼接特征提取时，位于基本语音单元起始边界的语音帧的超矢量中可能包含前一个或者后一个基本语音单元的语音帧的观测矢量，则在计算基本语音单元发音的准确率时，若当前基本语音单元存在发音错误，而其前后基本语音单元发音均正确，则拼接的当前基本语音单元对应的超矢量的似然度得分就会偏高，当前基本语音单元发音的准确率也就偏高，进而导致无法检出发音错误。因此，利用基本语音单元对应的语音帧的超矢量计算获得基本语音单元发音准确率的方法，尤其在基本语音单元起始边界处，容易产生误差，导致检测准确率降低。

发明内容

为解决上述技术问题，本发明实施例提供一种发音检测方法及装置，能够减小基本语音单元发音准确率的计算误差，提高发音检测的准确性。

本发明实施例提供的技术方案如下：

一种发音检测方法，包括：

接收待检测语音信号；

确定所述语音信号的各基本语音单元及所述基本语音单元对应的语音帧及帧数；

计算将所述基本语音单元规整到预设的固定帧数时所需的可变帧移；

根据所述可变帧移及预设的固定帧长，对规整后的基本语音单元进行分帧；

提取分帧后的基本语音单元的音段特征；

计算所述基本语音单元的音段特征与预设的对应所述基本语音单元的标准发音模型的似然度，所述预设的对应所述基本语音单元的标准发音模型是预先在训练集上提取基本语音单元的声学特征后训练数学统计模型得到的；

根据所述似然度确定所述基本语音单元的发音是否正确。

优选地，所述计算将所述基本语音单元规整到预设的固定帧数时所需的可变帧移包括：