[发明专利]对文本到语音发音问题检测的语音识别辅助评估

说明书

对于合成语音的发音问题在包括文本到语音流和语音识别（SR）流的语音识别辅助评估（SRAE）框架内使用人类录音作为参考来自动检测。发音问题检测器通过使用对应的人类录音作为对于所述合成语音的参考，对在所述TTS流和所述SR流的多个级别（例如音素、单词和信号级别）获取的结果进行评估，并输出可能的发音问题。信号级别可以用于确定所述录音与所述TTS输出之间的相似性/差别。模型级别检查器可以向所述发音问题检测器提供结果，以检查所述TTS和所述SR音素集合的相似性（包括映射关系）。来自对所述SR输出和所述录音的比较的结果也可以是由所述发音问题检测器进行评估。所述发音问题检测器输出列出潜在的发音问题候选的列表。

背景技术

文本到语音（TTS）系统正变得日益流行。TTS系统被用在诸如导航、话音激活的拨号、帮助系统、银行等的许多不同应用中。TTS应用根据由开发人员提供的定义使用来自TTS合成器的输出。通过人类听力测试以便标记错误（例如发音错误）来对TTS系统进行评估，这可以是昂贵和耗时的。

发明内容

提供本概要以便以简化形式介绍下面在详细描述中进一步描述的概念的选择。本概要不旨在标识所要求保护的主题的关键特征或本质特征，其也不旨在被用作在确定所要求保护的主题的范围时的辅助。

合成语音的发音问题在包括文本到语音流和语音识别（SR）流的语音识别辅助评估（SRAE）框架内使用人类录音作为参考来自动检测。发音问题检测器对通过使用对应的人类录音作为合成语音的参考在所述TTS流和所述SR流的多个级别（例如音素（phone）、单词和信号级别）获取的结果进行评估，并输出列出可能的发音问题的结果。信号级别（例如针对音素序列的信号级别）可以用于确定所述人类录音的语音与所述TTS输出之间的相似性/差别。模型级别检查器可以为所述发音问题检测器提供结果以检查所述TTS与所述SR音素集合的相似性（包括映射关系）。来自对所述SR输出和所述录音的比较结果也可以是由所述发音问题检测器进行的评估。所述发音问题检测器使用所述不同级别的评估结果来输出可能的发音问题候选。

附图说明

图1示出了包括发音问题检测器的系统；

图2示出了语音识别辅助评估（SRAE）框架；

图3示出了用于使用作为参考的文本和录音来确定发音问题的说明性过程；

图4图示了使用SRAE框架来检测可能的发音问题的示例性系统；以及

图5、6A、6B和7以及关联的描述提供对可以在其中实践本发明的实施例的各种各样操作环境的讨论。

具体实施方式

现在参考其中相似数字表示相似元件的附图，将描述各种实施例。

图1示出了包括发音问题检测器的系统。如所图示的，系统100包括计算设备115、发音问题检测器26、人类录音104、文本106、结果108和用户界面（UI）118。