[发明专利]语音的处理方法及装置、存储介质、电子设备

说明书

本发明提供了一种语音的处理方法及装置、存储介质、电子设备，其中，该方法包括：将语音输入预先训练好的音素预测模型，获得所述语音对应的预测音素，计算所述预测音素与所述语音的标准音素之间的音素相似度，基于所述音素相似度确定所述语音是否满足采集要求，可见，对于语音的采集不需要先进行语音识别得到该语音的文本信息，而是通过训练的音素预测模型确定语音是否满足采集要求，从而解决了相关技术中语音样本收集需要先对语音进行语音识别转化为文本信息，由于语音识别不准确，导致语音样本收集效率低、成本高的技术问题，达到了语音样本收集效率高和低成本的效果。

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种语音的处理方法及装置、存储介质、电子设备。

背景技术

现有技术对语音数据进行采集的时候，需要对被收集语音的质量和内容进行识别判断。确保所收集的语音是有质量的，语音的内容要符合要求。但是，完全绝对的语音音素匹配实际上是不可行的。原因有二，首先，因为我国的地域广大，各地口音众多，完全绝对的语音匹配不能满足同时收集各地口音不一致的语音。其次，我们的收集需求不要求100%完全匹配通过时（如，训练命令词和唤醒词的神经网络）。语音音素完全匹配会损失掉大量的语音样本，造成语音样本收集效率低和增加语音收集的成本。

此外，现有技术中公开了一种通过对语音数据进行语音识别得到与语音数据对应的目标文本，再将目标文本与初始语料进行文本相似度匹配，得到目标文本与初始语料之间的文本相似度，进而根据该文本相似度来确定目标文本对应的语音数据是否符合要求。但是，此种方法依赖于语音识别的准确度，当语音识别不准确时（特别是带有口音的语音数据），会造成大量原本合格的语音样本的损失，造成语音样本收集效率低和增加语音收集的成本。

针对相关技术中的上述问题，目前尚未存在有效的解决方案。

发明内容

本发明实施例提供了一种语音的处理方法及装置、存储介质、电子设备，以至少解决相关技术中语音样本收集效率低、成本高的技术问题。

根据本发明的一个实施例，提供了一种语音的处理方法，包括：将语音输入预先训练好的音素预测模型，获得所述语音对应的预测音素；对所述预测音素与所述语音的标准音素进行音素相似度匹配，得到所述预测音素与所述语音的标准音素之间的音素相似度；基于所述音素相似度确定所述语音是否满足采集要求。

根据本发明的另一个实施例，提供了一种语音的处理装置，包括：音素预测模块，用于将语音输入预先训练好的音素预测模型，获得所述语音对应的预测音素；音素相似度计算模块，用于对所述预测音素与所述语音的标准音素进行音素相似度匹配，得到所述预测音素与所述语音的标准音素之间的音素相似度；判断模块，用于基于所述音素相似度确定所述语音是否满足采集要求。

根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

根据本发明的又一个实施例，还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

通过本发明，将语音输入预先训练好的音素预测模型，获得所述语音对应的预测音素，计算所述预测音素与所述语音的标准音素之间的音素相似度，基于所述音素相似度确定所述语音是否满足采集要求，可见，对于语音的采集不需要先进行语音识别得到该语音的文本信息，而是通过训练的音素预测模型确定语音是否满足采集要求，从而解决了相关技术中语音样本收集需要先对语音进行语音识别转化为文本信息，由于语音识别不准确，导致语音样本收集效率低、成本高的技术问题，达到了语音样本收集效率高和低成本的效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：