[发明专利]一种口语评测方法及装置

说明书

本申请提供一种口语评测方法及装置，所述口语评测方法包括：获取待评测音频和所述待评测音频对应的评测文本；基于所述待评测音频和所述评测文本确定所述评测文本中每个音素的属性特征值和每个音素对应的后验概率；基于所述评测文本和所述每个音素对应的后验概率提取所述评测文本对应的发音特征值；根据所述每个音素的属性特征值和发音特征值生成每个音素对应的特征向量；将所述每个音素对应的特征向量输入到口语评测模型，获得所述口语评测模型输出的评测结果，本申请提供的口语评测方法，引入了每个音素对应的发音特征值，可以准确发掘当前发音的潜在错误，为口语评测模型提供了多维度的特征信息，提高了声母韵母和声调的判断准确率。

技术领域

本申请涉及语言识别技术领域，特别涉及一种口语评测方法及装置、计算设备和计算机可读存储介质。

背景技术

口语测评是指给定文本和音频，利用语音识别技术从不同维度对一个人的口语水平进行整体评价，在口语测评领域中，通常根据文本-语音后的音素信息，计算文本中每个字、每个音素的发音良好度值(Goodness of Pronunciation)等特征，根据这些特征去判断说话人的口语水平。

随着自然语言处理(Natural Language Processing，NLP)的发展，深度神经网络模型(Deep Neural Network，DNN)可以将音频转换为帧级别的音素发音后验概率，基于此，基于神经网络的发音良好度(Neural Network-Goodness of Pronunciation，GOP-NN)定义为标准音素和后验概率最高的音素之间的对数音素后验概率比，二者的比值越接近与1，则GOP越接近于0，表示发音越好，但是现有技术的口语评测时，只利用了音素的对齐信息和发音良好度，并没有利用整字的信息，同时汉语拼音会涉及到的声调间区分度不大、声母韵母的先天差异不适用同一个标准进行评判的问题，会导致现有的口语评测系统对不同音素的判断会有差异、声母韵母评分差距大和声调判别准确率低的问题。

基于此，亟需一种新的口语评测方法来解决上述问题。

发明内容

有鉴于此，本申请实施例提供了一种口语评测方法及装置、计算设备和计算机可读存储介质，以解决现有技术中存在的技术缺陷。

根据本申请实施例的第一方面，提供了一种口语评测方法，包括：

获取待评测音频和所述待评测音频对应的评测文本；

基于所述待评测音频和所述评测文本确定所述评测文本中每个音素的属性特征值和每个音素对应的后验概率；

基于所述评测文本和所述每个音素对应的后验概率提取所述评测文本对应的发音特征值；

根据所述每个音素的属性特征值和发音特征值生成每个音素对应的特征向量；

将所述每个音素对应的特征向量输入到口语评测模型，获得所述口语评测模型输出的评测结果。

可选的，基于所述待评测音频和所述评测文本确定所述评测文本中每个音素的属性特征值和每个音素对应的后验概率，包括：

基于所述待评测音频和所述评测文本确定所述评测文本中每个音素的发音良好度值、发音时长和后验概率。

可选的，基于所述待评测音频和所述评测文本确定所述评测文本中每个音素的发音良好度值、发音时长和后验概率，包括：

基于所述待评测音频和所述评测文本确定所述评测文本中每个音素的初始发音良好度值、初始发音时长和后验概率；

对所述每个音素的初始发音良好度值和初始发音时长做归一化处理，获得所述每个音素的发音良好度值和发音时长。

可选的，基于所述待评测音频和所述评测文本确定所述评测文本中每个音素的初始发音良好度值、初始发音时长和后验概率，包括：