申请/专利权人:广州视琨电子科技有限公司
申请日:2020-08-07
公开(公告)日:2024-04-02
公开(公告)号:CN111862958B
主分类号:G10L15/08
分类号:G10L15/08;G10L15/02;G10L15/16;G10L25/60;G10L25/93
优先权:
专利状态码:有效-授权
法律状态:2024.04.02#授权;2020.11.17#实质审查的生效;2020.10.30#公开
摘要:本申请提供一种发音插入错误检测方法、装置、电子设备及存储介质。该方法包括:根据发音文本和待检测语音信号,获取待检测语音信号对应的第一音素序列及边界信息,待检测语音信号是针对发音文本的语音信号;根据第一音素序列中静音音素及边界信息,对静音音素构建包含预设混淆音素的候选路径的WFST对齐网络,预设混淆音素包括非静音音素和多读音素串;在WFST对齐网络中搜索待检测语音信号对应的第二音素序列;比较第一音素序列及第二音素序列的音素,确定第一音素序列中是否包含插入错误。本申请中的预设混淆音素包含多读音素串,还可检测出多音素插入的情况,从而提升插入错误识别率。
主权项:1.一种发音插入错误检测方法,其特征在于,包括:根据发音文本和待检测语音信号,获取所述待检测语音信号对应的第一音素序列及边界信息,所述待检测语音信号是针对所述发音文本的语音信号;根据所述第一音素序列中静音音素及边界信息,对所述静音音素构建包含预设混淆音素的候选路径的加权有限状态转移器WFST对齐网络,所述预设混淆音素包括非静音音素和多读音素串;在所述WFST对齐网络中搜索所述待检测语音信号对应的第二音素序列;比较所述第一音素序列及所述第二音素序列的音素,确定所述第一音素序列中是否包含插入错误;在所述WFST对齐网络中搜索所述待检测语音信号对应的第二音素序列,包括:基于所述待检测语音信号对应的声学分数和维特比算法,在所述WFST对齐网络中搜索最优路径,得到所述待检测语音信号对应的第二音素序列;所述根据发音文本和待检测语音信号,获取所述待检测语音信号对应的第一音素序列及边界信息,包括:根据所述发音文本,构建初始WFST对齐网络,其中,所述初始WFST对齐网络表示所述发音文本对应的音素的可能路径状态图;根据所述待检测语音信号和所述初始WFST对齐网络,获取所述待检测语音信号对应的第一音素序列及边界信息;所述比较所述第一音素序列及所述第二音素序列的音素,确定所述第一音素序列中是否包含插入错误,包括:若所述第二音素序列与所述第一音素序列的音素相同,则确定所述第一音素序列中不包含插入错误;若所述第二音素序列与所述第一音素序列的音素不同,则确定所述第一音素序列中包含插入错误。
全文数据:
权利要求:
百度查询: 广州视琨电子科技有限公司 发音插入错误检测方法、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。