[发明专利]语音相似度确定方法及设备、程序产品在审
申请号: | 202110179824.X | 申请日: | 2021-02-07 |
公开(公告)号: | CN112951274A | 公开(公告)日: | 2021-06-11 |
发明(设计)人: | 夏瑞;屠明;丁辰;郑炜明 | 申请(专利权)人: | 脸萌有限公司 |
主分类号: | G10L25/51 | 分类号: | G10L25/51;G10L15/16;G10L15/02 |
代理公司: | 上海光栅知识产权代理有限公司 31340 | 代理人: | 乔慧;马雯雯 |
地址: | 英属开曼*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 语音 相似 确定 方法 设备 程序 产品 | ||
1.一种基于语音交互的语音相似度确定方法,其特征在于,包括:
播放示范音频,并获取用户的评测音频;其中,所述示范音频是使用指定语言朗读指定内容的音频;
获取与所述示范音频对应的标准发音特征,并提取所述评测音频中与所述标准发音特征相对应的评测发音特征,其中,所述标准发音特征用于反映所述指定内容在所述指定语言下的特异性发音;
确定所述标准发音特征与所述评测发音特征之间的特征差异,并根据所述特征差异确定所述评测音频与所述示范音频之间的相似度。
2.根据权利要求1所述的方法,其特征在于,所述提取所述评测音频中与所述标准发音特征相对应的评测发音特征,包括:
基于语音识别模型的编码器,提取所述评测音频中与所述标准发音特征相对应的评测发音特征。
3.根据权利要求2所述的方法,其特征在于,与所述示范音频对应的标准发音特征是对多个参考发音特征进行融合得到的,每一参考发音特征是利用所述编码器对每一参考音频进行特征提取所得到的,各所述参考音频是使用所述指定语言朗读所述指定内容的音频,所述示范音频是所述参考音频中的任一个音频。
4.根据权利要求1所述的方法,其特征在于,确定所述标准发音特征与所述评测发音特征之间的特征差异,并根据所述特征差异确定所述评测音频与所述示范音频之间的相似度,包括:
根据所述标准发音特征和所述评测发音特征,确定时间规整函数;
根据所述时间规整函数、所述标准发音特征、所述评测发音特征,确定多个对齐点组合,其中,每一所述对齐点组合中包括所述标准发音特征中的一个标准特征点和所述评测发音特征中的一个评测特征点;
根据每个所述对齐点组合中包括的标准特征点与所述评测特征点,确定与每个所述对齐点组合对应的特征差异;
根据每个所述对齐点组合的特征差异,确定所述评测音频与所述示范音频之间的相似度。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取映射函数、与所述示范音频对应的配置信息;其中,所述配置信息用于指示评测音频的相似度与分值之间的映射关系;
根据所述映射函数、与所述示范音频对应的配置信息,将所述评测音频与所述示范音频之间的相似度映射为分值。
6.根据权利要求5所述的方法,其特征在于,所述配置信息包括最大分值、与最大分值对应的相似度、最小分值、与最小分值对应的相似度。
7.根据权利要求6所述的方法,其特征在于,与所述最大分值对应的相似度是多个参考相似度的平均值,每一所述参考相似度是每一所述参考发音特征与所述标准发音特征之间的相似度。
8.根据权利要求6所述的方法,其特征在于,与所述最小分值对应的相似度是多个白噪音相似度的平均值,每一所述白噪音相似度是每一白噪音特征与所述标准发音特征之间的相似度,每一所述白噪音特征是利用所述编码器对每一预设白噪音音频进行特征提取所得到的。
9.根据权利要求2、3、5-8任一项所述的方法,其特征在于,在所述播放示范音频之前,还包括:
响应于启动指令,向服务器发送数据请求指令;
接收所述编码器、所述示范音频、与所述示范音频对应的标准发音特征。
10.根据权利要求2、3、5-8任一项所述的方法,其特征在于,所述语音识别模型是采用语音识别数据对初始模型进行训练得到的;
用于提取发音特征的所述编码器,是利用多种语言类别的音频数据对所述语音识别模型中的编码器进行训练得到的。
11.根据权利要求2、3、5-8任一项所述的方法,其特征在于,所述编码器为三层的长短期记忆网络。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于脸萌有限公司,未经脸萌有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110179824.X/1.html,转载请声明来源钻瓜专利网。