[发明专利]音频检测方法、装置、电子设备及可读存储介质

说明书

本申请涉及信息处理技术领域，公开了一种音频检测方法、装置、电子设备和可读存储介质，音频检测方法包括：接收终端发送的待检测的音频以及与音频对应的文本；将音频与文本进行对齐处理，得到音频中与文本对应的多个音素的每一音素的起止时间；提取音频中的每一音素的音素特征向量，并基于每一音素的起止时间获取音频的音频序列特征；基于音素特征向量和音频序列特征，获取音频的韵律检测结果；韵律检测结果包括音频的重音特征和停顿特征；将韵律检测结果返回至终端，以使终端显示对应标记出重音特征和停顿特征的文本。本申请提供的音频检测方法可以提高韵律检测结果的准确性。

技术领域

本申请涉及语音技术领域，具体而言，本申请涉及一种音频检测方法、装置、电子设备及可读存储介质。

背景技术

人工智能(Artificial Intelligence，AI)是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。语音韵律检测是人工智能技术的一个重要应用领域，其主要用于对用户的语音数据进行韵律检测，通过检测出语音数据中出现的错误韵律，从而给用户提供实时的反馈与纠正，以帮助用户提高语言水平。

目前的音频检测方式，通常是对音频中的重音或停顿分别进行检测，没有考虑重音与停顿之间的相互影响，得到的韵律检测结果准确率不够高。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一，特提出以下技术方案：

第一方面，提供了一种音频检测方法，包括：

接收终端发送的待检测的音频以及与音频对应的文本；

将音频与文本进行对齐处理，得到音频中与文本对应的多个音素的每一音素的起止时间；

提取音频中的每一音素的音素特征向量，并基于每一音素的起止时间获取音频的音频序列特征；

基于音素特征向量和音频序列特征，获取音频的韵律检测结果；韵律检测结果包括音频的重音特征和停顿特征；

将韵律检测结果返回至终端，以使终端显示对应标记出重音特征和停顿特征的文本。

在第一方面的可选实施例中，音频序列特征包括音频中的每一音素的序列特征、每一音节的序列特征以及每一词语的序列特征；序列特征包括音高、音强和发音时长；

基于每一音素的起止时间获取音频的音频序列特征，包括：

以预设时长为一帧，获取音频中每一帧音频的音高和音强；

基于音频中每一帧音频的音高和音强，确定音频的音高和音强；

基于每一音素的起止时间以及音频的音高和音强，分别确定音频中的每一音素的音高、音强和发音时长，每一音节的音高、音强和发音时长以及每一词语的音高、音强和发音时长。

在第一方面的可选实施例中，获取音频中每一帧音频的音高和音强，包括：

获取音频中每一帧音频的原始音高和原始音强；

对原始音高和原始音强进行归一化，得到每一帧音频的音高和音强。

在第一方面的可选实施例中，基于音素特征向量和音频序列特征，获取音频的韵律检测结果，包括：

针对音频中的每一音素，将该音素的音素特征向量和该音素的序列特征进行拼接，得到每一音素的音素层特征；

基于每一音素的音素层特征，获取音频中每一音节的音节特征向量；

针对音频中的每一音节，将该音节的音节特征向量和该音节的序列特征进行拼接，得到音节层特征；

基于每一音节的音节层特征，获取音频中的重音特征和音频中每一词语的词语特征向量；