[发明专利]一种语音流畅度检测方法及装置

说明书

本发明涉及一种语音流畅度检测方法，包括以下步骤：收集语音样本信号，并为所述语音样本信号打上语义标签，建立训练样本集；采用所述训练样本集对神经网络进行训练，得到语音识别模型；采集待测语音信号，并对所述待测语音信号进行预处理；提取预处理后的语音信号的特征向量，将所述特征向量输入所述语音识别模型，得到对应的语义文字信息；计算所述语义文字信息在语料库中出现的概率，判断所述概率是否低于设定阈值，如果是，则语音不流畅，否则语音流畅。本发明在语音识别的同时对其流畅度进行检测，以便保证后续语音交互的效果。

技术领域

本发明涉及语音流畅度检测技术领域，尤其涉及一种语音流畅度检测方法、装置及计算机存储介质。

背景技术

智能语音交互是基于语音输入的新一代交互模式，通过说话就可以得到反馈结果。语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。

语音是一种波，语音信号在本质上就是一维波形，语音流畅度直接关系到交互体验，然而目前语音交互中，通常专注于预处理识别技术的改进，而忽略了有一些语音信息可能存在不流畅的问题。

发明内容

有鉴于此，有必要提供一种语音流畅度检测方法及装置，用以解决目前语音识别系统中忽略了语音流畅度对语音识别的影响的问题。

本发明提供一种语音流畅度检测方法，包括以下步骤：

收集语音样本信号，并为所述语音样本信号打上语义标签，建立训练样本集；

采用所述训练样本集对神经网络进行训练，得到语音识别模型；

采集待测语音信号，并对所述待测语音信号进行预处理；

提取预处理后的语音信号的特征向量，将所述特征向量输入所述语音识别模型，得到对应的语义文字信息；

计算所述语义文字信息在语料库中出现的概率，判断所述概率是否低于设定阈值，如果是，则语音不流畅，否则语音流畅。

进一步的，所述训练样本集为THCHS30数据集，所述神经网络为WaveNet深度网络，神经网络训练采用CTC损失函数。

进一步的，对所述待测语音信号进行预处理，具体为：

对所述待测语音信号进行帧切割，得到多帧分段语音信号；

采用滤波器过滤各帧所述分段语音信号中干扰噪声；

采用高频滤波器对所述分段语音信号中高频部分进行预加重。

进一步的，提取预处理后的语音信号的特征向量，具体为：

采用梅尔频率倒谱系数提取预处理后的语音信号的MFCC特征，作为所述特征向量。

进一步的，计算所述语义文字信息在语料库中出现的概率，具体为：

对所述语义文字信息进行分词处理；

计算每一分词在语料库中的条件概率；

结合各分词的条件概率，得到所述语义文字信息在语音中出现的概率。

进一步的，计算每一分词在语料库中的条件概率，具体为：