[发明专利]对文本到语音发音问题检测的语音识别辅助评估

摘要

对于合成语音的发音问题在包括文本到语音流和语音识别（SR）流的语音识别辅助评估（SRAE）框架内使用人类录音作为参考来自动检测。发音问题检测器通过使用对应的人类录音作为对于所述合成语音的参考，对在所述TTS流和所述SR流的多个级别（例如音素、单词和信号级别）获取的结果进行评估，并输出可能的发音问题。信号级别可以用于确定所述录音与所述TTS输出之间的相似性/差别。模型级别检查器可以向所述发音问题检测器提供结果，以检查所述TTS和所述SR音素集合的相似性（包括映射关系）。来自对所述SR输出和所述录音的比较的结果也可以是由所述发音问题检测器进行评估。所述发音问题检测器输出列出潜在的发音问题候选的列表。

主权项

1.一种用于确定发音问题的方法，其包括：接收包括用于文本到语音(TTS)部件的句子的文本和用作针对所述文本的参考的所述文本的录音；接收由所述TTS部件使用所述文本作为对所述TTS部件的输入而生成的合成语音；对通过确定所述合成语音与所述录音的相似性而在文本级别执行的评估所接收的结果进行评估，其中，所述文本级别的评估包括执行对所述文本中的句子的音素序列与所述录音中的句子的对应音素序列的相似性度量；对从语音识别(SR)部件获取的结果进行评估，所述结果与包括所述合成语音和所述录音的、对SR部件的不同输入相关；以及基于所述评估生成包括发音问题候选的排名的列表。