[发明专利]一种声学数据自动标注方法及装置

说明书

本发明涉及一种声学数据自动标注方法及装置，所述方法包括：获取待标注数据中音频句子的声学特征，所述待标注数据为音频数据，所述音频数据包括至少一句音频句子，所述声学特征包括频谱、信噪比、截幅、截断、语速和音量；基于所述声学特征计算所述音频数据中对应音频句子的置信度；如果所述置信度满足预设条件，则判断所述音频数据中音频句子的对应声学特征为可信指标。本发明通过各个维度的声学特性，可以有效地按各维度特性进行数据划分归类，提高了传统声学数据置信度计算的准确度，从而可以有效地判断声学特征是否为可以对声学数据进行标注的可信指标。

技术领域

本发明涉及计算机技术领域，特别是涉及一种声学数据自动标注方法及装置。

背景技术

随着全球化的不断发展，对外语学习的需求也大幅增加，其中一个方面是发音学习。有效地教授发音通常需要一对一的师生互动，这对许多学生来说是负担不起的。出于这个原因，自动(计算机辅助)发音教学一直是研究界的焦点。

其中，语音识别是计算机辨别人声最重要的技术。利用语音识别技术，通过提前准备(训练)好的语言模型和声学模型，可以识别出发音学习者朗读的词级序列和音素级序列。同时利用识别结果和相关算法可以评估出学习者发音质量。

语音识别中的声学模型，是一种直接反应朗读者发音质量的模型。随着大数据时代的到来和深度学习的数据量需求，如何高效地利用线上海量数据进行人工标注来(用于)训练基于深度学习框架的声学模型成为目前比较热门的一个研究课题。

数据只有通过人工标注(有正确标注的数据)才是可用的。然而通过人工手动标注海量数据，过程是缓慢的，开销是昂贵的。对于一些罕见的语言，它可能甚至是很难实现的。

发明内容

基于此，有必要针对目前人工标注效率低下的问题，提供一种声学数据自动标注方法及装置。

一种声学数据自动标注方法，包括：

获取待标注数据中音频句子的声学特征，所述待标注数据为音频数据，所述音频数据包括至少一句音频句子，所述声学特征包括频谱、信噪比、截幅、截断、语速和音量中；

基于所述声学特征，采用预设的种子模型计算所述音频数据中对应音频句子的置信度；

如果所述置信度满足预设条件，则判断所述音频数据中音频句子的对应声学特征为可信指标。

优选的，所述获取待标注数据中音频句子的声学特征，包括：

对所述标注数据中音频句子的声音信号进行预处理，所述预处理包括剔除冗余非人声段；

从预处理后的音频句子的声音信号中提取对应的声学特征。

优选的，所述基于所述声学特征计算所述音频数据中对应音频句子的置信度，包括：

获取所述音频数据中对应音频句子中的音素信息；

基于所述声学特征，采用预设的种子模型以每个音素为单位计算所述音频数据中对应音频句子的置信度。

优选的，所述获取待标注数据中音频句子的声学特征，包括：

基于预设的种子模型剔除所述待标注数据中音频句子的冗余静音段。

一种声学数据自动标注装置，所述装置包括：

获取模块，用于获取待标注数据中音频句子的声学特征，所述待标注数据为音频数据，所述音频数据包括至少一句音频句子，所述声学特征包括信噪比、截幅、截断、语速和音量；

计算模块，用于基于所述声学特征，采用预设的种子模型计算所述音频数据中对应音频句子的置信度；

判断模块，用于如果所述置信度满足预设条件，则判断所述音频数据中音频句子的对应声学特征为可信指标。