[发明专利]一种基于网络配音游戏的语音样本收集方法

权利要求书

1.一种基于网络配音游戏的语音样本收集方法，其特征在于，包括下述步骤：

S1.通过如下游戏过程进行语音样本收集并进行自动质量评价：

S1.1熟悉配音需求：游戏用户在配音游戏客户端点播视频独白节目，客户端通过VideoView类第一遍播放含音频与画面的视频，使用户对视频场景和对话过程有较好的认知；

S1.2配音：客户端通过Video View类播放无声视频，画面底部同步显示字幕与进度条，游戏用户根据字幕与画面进行配音，客户端通过AudioRecord类按照16KHz采样频率，16bit采样深度，单声道，线性PCM编码格式录制用户语音，画面结束，自动通过UploadUtil类向服务器上传用户录制原始语音以及用户所处地理位置；

S1.3配音变声处理：客户端提供变声功能，该变声功能通过基于GMM的音色变换算法实现，音色变换算法在客户端对配音进行处理，使用户语音能以视频原声为目标进行粗略音色变换，用户对处理效果满意后将变声音频上传至服务器，使得语音收集过程更具趣味性，本语音收集工具也更易传播；音色变换的步骤如下：

音色变换功能通过基于GMM的音色变换算法实现，将用户原始音频的音色向视频演员的音色做粗略转换，声学特征在声学空间内的不同分布造成了说话人之间的音色差异，基于GMM的音色变换算法就是用GMM将空间分布参数化并构造线性映射函数，映射函数参数通过最小二乘法构造：

给定N对对齐的源说话人和目标说话人语音特征矢量(x_i,y_i)，首先利用最大期望算法估计出源说话人连续概率空间的m组参数(α_i,μ_i,Σ_i)，每组刻画了一类声学子空间的概率分布，根据贝叶斯准则，特征矢量x属于第i类声学子空间C_i的条件概率为

定义映射函数为

F(x_i)＝F(x_i,v₁,v₂,…,v_m,Γ₁,Γ₂,…,Γ_m)

变换目标函数为

其中：x_t、y_t分别表示源矢量和目标矢量，最后通过最小二乘法估计映射函数的参数v、Γ，由此，即可通过该映射函数对用户的音色向视频中演员的音色进行粗略转变，增强本语料收集工具的趣味性；

S1.4配音质量评价：用户原始音频上传到服务器后，服务器端通过算法对语音清晰度与发音准确性进行自动评价，算法由客观语音质量评价和语音识别两部分构成，减少了传统方法在样本筛选阶段大量的人力消耗；

S1.5分享：服务器将前述步骤S1.4生成的分数与前述步骤S1.3生成的变声音频链接下发给游戏用户，用户在社交平台分享分数与变声后的音频链接，本步骤使得本语音收集工具也更具传播性，有利于获取大量的用户，从而得到大量的说话人的语音；

S1.6奖励：高点击量语音给予积分奖励，鼓励用户分享，高分语音给予积分奖励，鼓励用户录制高质量语音；

S2.对机器打分语音样本抽样进行主观评价，具体包括下述步骤：

S2.1抽样展示：将经步骤S1.5打分后的语音样本按分数排序，抽取前5条语音在游戏首页展示作为示范，随机抽取排名后20％的语音样本中的15条语音样本在游戏首页展示，让用户进行评价；

S2.2用户评价：在语音样本展示页面中提供评价按钮，用户对展示语音样本进行试听评价后，选择“符合原文”按钮或“不符原文”按钮；

S2.3人工试听：对用户点击“不符原文”按钮数量较多的语音样本，后台抽取出来进行人工试听，人工试听后确实与文本不符的语音样本从精选语音样本库中剔除，对机器打分后的样本抽样主观评价，实现语音样本质量闭环控制。