申请/专利权人：科大讯飞股份有限公司

申请日：2020-07-22

公开（公告）日：2024-02-13

公开（公告）号：CN111833859B

主分类号：G10L15/20

分类号：G10L15/20;G10L15/08;G10L25/60

优先权：

专利状态码：有效-授权

法律状态：2024.02.13#授权;2020.11.13#实质审查的生效;2020.10.27#公开

摘要：本发明实施例提供一种发音检错方法、装置、电子设备及存储介质，所述方法包括：基于朗读文本，对待检错的语音文件及其对应的发音视频文件进行切分，得到朗读文本包含的任一音素对应的语音片段和发音视频片段；将该音素及其对应的语音片段和发音视频片段输入至发音检错模型，得到发音检错模型输出的该音素的发音检错结果；发音检错模型用于基于语音片段的噪声水平，对语音片段和发音视频片段进行特征融合，并基于融合后的特征对该音素进行发音检错。本发明实施例提供的方法、装置、电子设备及存储介质，提高了发音检错方法的准确性和稳定性。

主权项：1.一种发音检错方法，其特征在于，包括：基于朗读文本，对待检错的语音文件及其对应的发音视频文件进行切分，得到所述朗读文本包含的任一音素对应的语音片段和发音视频片段；将所述任一音素及其对应的语音片段和发音视频片段输入至发音检错模型，得到所述发音检错模型输出的所述任一音素的发音检错结果；所述发音检错模型用于基于所述语音片段的噪声水平，对所述语音片段和所述发音视频片段进行特征融合，并基于融合后的特征对所述任一音素进行发音检错；所述将所述任一音素及其对应的语音片段和发音视频片段输入至发音检错模型，得到所述发音检错模型输出的所述任一音素的发音检错结果，具体包括：将所述任一音素对应的语音片段和发音视频片段输入至所述发音检错模型的特征提取层，得到所述特征提取层输出的所述语音片段的语音表示向量和所述发音视频片段的发音动作表示向量；将所述语音片段输入至所述发音检错模型的噪声水平评估层，得到所述噪声水平评估层输出的所述语音片段的噪声水平表示向量；将所述语音表示向量和所述发音动作表示向量，以及所述噪声水平表示向量输入至所述发音检错模型的特征融合层，得到所述特征融合层输出的融合特征向量；所述噪声水平表示向量用于调整所述发音动作表示向量在特征融合过程中的权重；将所述任一音素的音素向量和所述融合特征向量输入至所述发音检错模型的发音检错层，得到所述发音检错层输出的所述任一音素的发音检错结果。

全文数据：

权利要求：

百度查询： 科大讯飞股份有限公司 发音检错方法、装置、电子设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD