[发明专利]一种发音测评方法、介质、装置和计算设备

说明书

本发明的实施方式提供了一种发音测评方法、装置、介质和计算设备。该方法包括：从用户针对于测评内容的待测发音音频中提取至少一个音频数据段；获取至少一个音频数据段对应的时间边界和相应时间边界内的声学似然度；获取至少一个音频数据段对应的待测音素特征序列；基于时间边界、混淆音素表和混淆音素对应的阈值，从待测音素特征序列中识别出与测评内容的标准音素特征序列不一致的待纠正音素；若对应时间边界内存在待纠正音素，并且声学似然度大于预设门限，则基于待纠正音素调整对应的得分。本方法可以大大提高对发音音频中混淆音素的识别率，为用户提供更有针对性的发音测评反馈，改善用户体验。

技术领域

本发明的实施方式涉及软件领域，更具体地，本发明的实施方式涉及 一种发音测评方法、介质、装置和计算设备。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上 下文。此处的描述不因为包括在本部分中就承认是现有技术。

在语言学习的过程中，学习正确的口语发音也是非常重要的一部分， 然而在之前几年，口语学习只能跟随线下的老师进行，随着技术的发展， 线上的口语学习成为一种趋势，近几年口语发音测评打分和纠正主要建立 在语音特征的表示上。

然而，现有的发音测评方案大多采用的是沿用由剑桥大学的Silke Witt 在他的博士论文中提出经典的GOP(Goodness of Pronunciation)算法，或 者是由其衍生出来的其他方案。这些现有的发音测评方案大多采用CE(交 叉熵，Cross Entropy)准则训练的神经网络模型或者更老的GMM模型来 计算用户发音的似然度得分，而CE模型对音素识别的准确率低，无法针 对用户发音时容易混淆、或误发的音素进行识别纠正。

发明内容

由于现有的发音测评方案采用CE模型来计算用户发音的似然度得 分，而CE模型对音素识别的准确率低，无法针对用户发音时容易混淆、 或误发的音素进行识别纠正。因此非常需要一种改进的发音测评方法，用 以提升音素识别的准确性，解决上述技术问题。

在本上下文中，本发明的实施方式期望提供一种发音测评方法、装置、 介质和计算设备。

在本发明实施方式的第一方面中，提供了一种发音测评方法，包括： 从用户针对于测评内容的待测发音音频中提取至少一个音频数据段；获取 至少一个音频数据段对应的时间边界和相应时间边界内的声学似然度；获 取至少一个音频数据段对应的待测音素特征序列；基于时间边界、混淆音 素表和混淆音素对应的阈值，从待测音素特征序列中识别出与测评内容的 标准音素特征序列不一致的待纠正音素；若对应时间边界内存在待纠正音 素，并且声学似然度大于预设门限，则基于待纠正音素调整对应的得分。

在本发明的再一个实施例中，发音测评方法还包括：基于待纠正音素 和/或调整后的得分来确定向用户推送的发音纠错内容，其中发音纠错内容 用于指示用户对待纠正音素进行改进练习。

在本发明的再一个实施例中，采用音素识别网络来获取至少一个音频 数据段对应的待测音素特征序列。

在本发明的再一个实施例中，由测评内容中的至少一个单词、发音词 典和混淆音素表构建成音素识别网络；且音素识别网络中每一网络路径的 词图权重根据预先录入的开发集进行调整。

在本发明的再一个实施例中，由测评内容中的至少一个单词、发音词 典和混淆音素表构建成音素识别网络；且音素识别网络中每一网络路径的 词图权重根据预先录入的开发集进行调整。

在本发明的再一个实施例中，基于时间边界、混淆音素表和混淆音素 对应的阈值，从待测音素特征序列中识别出与测评内容的标准音素特征序 列不一致的待纠正音素，包括：

获取基于测评内容生成的标准音素特征序列；