[发明专利]一种英语口语发音自动纠正方法和装置

说明书

本发明实施例提供了一种英语口语发音自动纠正方法和装置，将采集到的音频文件转化成数字信号，并进行降噪处理和特征提取，得到反映语音信号特征的关键特征参数，利用预训练的声学模型、语言模型及所有英文单词和短语组成的字典语料库建立识别网络，在所述识别网络中搜索与所述特征矢量序列匹配度最高的词串，将用法有误的单词和/或短语提取，利用语法和时态算法规则进行修正，采用所述声学模型生成对应的特征向量，并从预设语音素材库中匹配与其对应的语音素材，利用所述语音素材和所述特征向量反编码得到目标音频文件。反映语音信号特征的关键特征参数能够直接获得音素序列，提高语音识别度，能帮助语音合成更准确的音频，提高人声相似度。

技术领域

本发明涉及学习工具技术领域，特别是涉及一种英语口语发音自动纠正方法和一种英语口语发音自动纠正装置。

背景技术

传统英语教育采用一对一或者一对多教学模式，该模式以“教师、教材、课堂”三者为中心，重理论，轻实践。学生一直停留在“背语法、记单词”落后教育上，限制了学生的思维和创新，更忽视了学生自身的思想态度和综合运用的能力，使得学生整体厌学、老师教学苦痛，最后形成中国式哑巴英语。

目前市场上提供的帮助英语学习和辅导的软件大多为中英文翻译、语音识别等，对于发出的声音直接进行识别和判断，其语音识别率不准确，在正常的英语环境沟通和学习中，无法纠正语法错误，也无法在学习过程中发现问题，这会让交流更加困难，学习也会产生错误的认知。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种英语口语发音自动纠正方法和相应的一种英语口语发音自动纠正装置。

为了解决上述问题，本发明实施例公开了一种英语口语发音自动纠正方法，包括：

采集英语口语发音的音频文件；

将所述音频文件转化成数字信号，并对所述数字信号进行降噪处理和特征提取，得到反映语音信号特征的关键特征参数，形成特征矢量序列；

利用预训练的声学模型、语言模型及所有英文单词和短语组成的字典语料库建立识别网络，在所述识别网络中搜索与所述特征矢量序列匹配度最高的词串，生成第一文本信号；

将所述第一文本信号中用法有误的单词和/或短语提取，利用语法和时态算法规则进行修正，得到校正后的第二文本信号；

采用所述声学模型生成所述第二文本信号对应的特征向量，并从预设语音素材库中匹配与所述第二文本信号对应的语音素材，利用所述语音素材和所述特征向量反编码得到目标音频文件。

进一步的，所述利用预训练的声学模型、语言模型及所有英文单词和短语组成的字典语料库建立识别网络，在所述识别网络中搜索与所述特征矢量序列匹配度最高的词串，生成第一文本信号的步骤，包括：

通过所述声学模型中的深度神经网络将所述特征矢量序列中的帧识别成状态信息；

通过所述声学模型中的隐马尔可夫模型将所述状态信息组合成音素序列，并将所述音素序列组合成单词序列；

通过所述语言模型中的循环神经网络将所述单词序列按照英语语法规则组合成句子，得到第一文本信号。

进一步的，所述将所述音频文件转化成数字信号，并对所述数字信号进行降噪处理和特征提取，得到反映语音信号特征的关键特征参数，形成特征矢量序列的步骤，包括：

将所述音频文件转化成第一数字信号；

识别所述第一数字信号中人声频率波段，滤除非人声频率波段得到第二数字信号；

使用由频谱衍生出来的梅尔频率倒谱系数处理所述第二数字信号，提取反映语音信号特征的关键特征参数，形成与音素有关的特征矢量序列。