[发明专利]标准发音生成方法及相关装置

说明书

本发明实施例提供了一种标准发音生成方法及相关装置，标准发音生成方法包括：获取标准文本和所述标准文本对应的用户音频；根据所述标准文本获取各个标准文本特征向量，根据所述用户音频获取各个用户音频帧特征向量，并根据各个所述用户音频帧特征向量和预定的各个基准身份特征向量获取所述用户的各个用户声学特征向量；将相互对应的所述用户声学特征向量和所述标准文本特征向量进行融合，得到各个融合特征向量；根据各个融合特征向量获取对应所述标准文本的标准发音。本发明实施例所提供的标准发音生成方法及相关装置，可以生成具有准确用户特征的标准发音，以提高用户语言学习的效率。

技术领域

本发明实施例涉及计算机领域，尤其涉及一种标准发音生成方法及相关装置。

背景技术

随着计算机技术和互联网技术的发展，用户可以利用语言教学系统进行语言的学习和发音矫正。

首先用户根据给定的文本进行发音，然后语言教学系统对用户的发音进行识别和评估，输出评估结果，同时还会给出一段对应给定文本的标准发音音频，用户可以根据标准发音音频进行跟读，以纠正自己的发音。

然而，通过上述方式进行语言学习时，语言教学系统中的标准发音大多是采用人工录制或者借助语言合成模型生成的方式获取，对于人工录制的方式，由于语言学习文本丰富多样且数量巨大，人工录制的成本非常高，而且随着教学内容的更新，需要重新录制标准发音，时间成本也高；对于语音合成的方式，现有的语言合成模型，只能合成固定说话人音色的标准音频，无法根据当前用户进行改变，而由于每个人的发音特点、音调以及音域的不同，用户基于标准发音的模仿效果不好，在一定程度上影响了学习效率和学习体验。

为此，如何生成具有准确用户特征的标准发音，以提高用户语言学习的效率就成为亟需解决的技术问题。

发明内容

本发明实施例提供一种标准发音生成方法及相关装置，可以生成具有准确用户特征的标准发音，以提高用户语言学习的效率。

为解决上述问题，本发明实施例提供一种标准发音生成方法，包括：

获取标准文本和所述标准文本对应的用户音频；

根据所述标准文本获取各个标准文本特征向量，根据所述用户音频获取各个用户音频帧特征向量，并根据各个所述用户音频帧特征向量和预定的各个基准身份特征向量获取所述用户的各个用户声学特征向量；

将相互对应的所述用户声学特征向量和所述标准文本特征向量进行融合，得到各个融合特征向量；

根据各个融合特征向量获取对应所述标准文本的标准发音。

为解决上述问题，本发明实施例提供一种标准发音生成装置，包括：

标准文本和用户音频获取单元，适于获取标准文本和所述标准文本对应的用户音频；

特征向量获取单元，适于根据所述标准文本获取各个标准文本特征向量，根据所述用户音频获取各个用户音频帧特征向量，并根据各个所述用户音频帧特征向量和预定的各个基准身份特征向量获取所述用户的各个用户声学特征向量；

融合特征向量获取单元，适于将相互对应的所述用户声学特征向量和所述标准文本特征向量进行融合，得到各个融合特征向量；

标准发音获取单元，根据各个融合特征向量获取对应所述标准文本的标准发音。

为解决上述问题，本发明实施例提供一种存储介质，所述存储介质存储有适于标准发音生成的程序，以实现如前述任一项所述的标准发音生成方法。

为解决上述问题，本发明实施例提供一种设备，包括至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述程序，以执行如前述任一项所述的标准发音生成方法。

与现有技术相比，本发明的技术方案具有以下优点：