[发明专利]一种口语发音评测方法、装置、设备及存储介质

说明书

本申请实施例公开了一种人工智能领域的口语发音评测方法、装置、设备及存储介质，其中该方法包括：获取待评测的目标音频；对目标音频进行声学特征提取处理得到目标声学特征序列；通过声学特征识别模型，根据目标声学特征序列确定声学似然概率向量，声学特征识别模型是以二音素状态为建模单元的模型；基于声学似然概率向量和目标文本，确定目标文本中目标音素的后验概率；根据目标音素的后验概率确定目标发音评测结果。该方法能够提升口语发音评测的准确度。

技术领域

本申请涉及人工智能(Artificial Intelligence，AI)技术领域，尤其涉及一种口语发音评测方法、装置、设备及存储介质。

背景技术

现如今，通过教育类应用程序(Application，APP)学习知识技能，已成为用户常用的学习方式。在一种常见的应用场景中，用于帮助用户学习外语的APP可以提供口语发音练习功能，该功能可以基于用户上传的发音音频对用户的口语发音进行评测打分，从而方便用户了解自身的口语发音是否标准。

相关技术中，目前主要使用隐马尔可夫模型-深度神经网络(Hidden MarkovModel-Deep Neural Networks，HMM-DNN)声学模型，对用户的口语发音进行评测。该HMM-DNN声学模型以三音素为建模单元，根据用户上传的发音音频的声学特征，确定并输出声学后验概率；进而，通过二分类器根据HMM-DNN模型输出的声学后验概率，确定用户的口语发音评测结果。

然而，在实际应用中，上述HMM-DNN声学模型的声学建模能力较弱，语音识别性能较差，基于该HMM-DNN声学模型输出的声学后验概率对用户的口语发音进行评测，所得到的评测结果的准确度较低，评测效果往往不够理想。

发明内容

本申请实施例提供了一种口语发音评测方法、装置、设备及存储介质，能够保证所确定的口语发音评测结果具有较高的准确度，有效地提升口语发音评测效果。

有鉴于此，本申请第一方面提供了一种口语发音评测方法，所述方法包括：

获取待评测的目标音频；所述目标音频对应于目标文本；

对所述目标音频进行声学特征提取处理，得到目标声学特征序列；

通过声学特征识别模型，根据所述目标声学特征序列确定声学似然概率向量；所述声学特征识别模型是以二音素状态为建模单元的模型；

基于所述声学似然概率向量和所述目标文本，确定所述目标文本中目标音素的后验概率；

根据所述目标音素的后验概率，确定目标发音评测结果。

本申请第二方面提供了一种口语发音评测装置，所述装置包括：

音频获取模块，用于获取待评测的目标音频；所述目标音频对应于目标文本；

声学特征提取模块，用于对所述目标音频进行声学特征提取处理，得到目标声学特征序列；

似然概率确定模块，用于通过声学特征识别模型，根据所述目标声学特征序列确定声学似然概率向量；所述声学特征识别模型是以二音素状态为建模单元的模型；

后验概率确定模块，用于基于所述声学似然概率向量和所述目标文本，确定所述目标文本中目标音素的后验概率；

发音评测模块，用于根据所述目标音素的后验概率，确定目标发音评测结果。

本申请第三方面提供了一种设备，所述设备包括处理器以及存储器：

所述存储器用于存储计算机程序；

所述处理器用于根据所述计算机程序，执行如上述第一方面所述的口语发音评测方法的步骤。