一种语音流畅度检测方法及装置
本发明涉及一种语音流畅度检测方法，包括以下步骤：收集语音样本信号，并为所述语音样本信号打上语义标签，建立训练样本集；采用所述训练样本集对神经网络进行训练，得到语音识别模型；采集待测语音信号，并对所述待测语音信号进行预处理；提取预处理后的语音信号的特征向量，将所述特征向量输入所述语音识别模型，得到对应的语义文字信息；计算所述语义文字信息在语料库中出现的概率，判断所述概率是否低于设定阈值，如果是，则语音不流畅，否则语音流畅。本发明在语音识别的同时对其流畅度进行检测，以便保证后续语音交互的效果。
发明专利
CN202011243562.0
2020-11-10
CN112397059A
2021-02-23
G10L15/16(2006.01)
武汉天有科技有限公司
涂晓帆;夏敏
430000 湖北省武汉市东湖新技术开发区民族大道1号光谷资本大厦二楼2019-16室
武汉智嘉联合知识产权代理事务所(普通合伙)
丁倩
湖北;42
1.一种语音流畅度检测方法，其特征在于，包括以下步骤： 收集语音样本信号，并为所述语音样本信号打上语义标签，建立训练样本集； 采用所述训练样本集对神经网络进行训练，得到语音识别模型； 采集待测语音信号，并对所述待测语音信号进行预处理； 提取预处理后的语音信号的特征向量，将所述特征向量输入所述语音识别模型，得到对应的语义文字信息； 计算所述语义文字信息在语料库中出现的概率，判断所述概率是否低于设定阈值，如果是，则语音不流畅，否则语音流畅。 2.根据权利要求1所述的语音流畅度检测方法，其特征在于，所述训练样本集为THCHS30数据集，所述神经网络为WaveNet深度网络，神经网络训练采用CTC损失函数。 3.根据权利要求1所述的语音流畅度检测方法，其特征在于，对所述待测语音信号进行预处理，具体为： 对所述待测语音信号进行帧切割，得到多帧分段语音信号； 采用滤波器过滤各帧所述分段语音信号中干扰噪声； 采用高频滤波器对所述分段语音信号中高频部分进行预加重。 4.根据权利要求1所述的语音流畅度检测方法，其特征在于，提取预处理后的语音信号的特征向量，具体为： 采用梅尔频率倒谱系数提取预处理后的语音信号的MFCC特征，作为所述特征向量。 5.根据权利要求1所述的语音流畅度检测方法，其特征在于，计算所述语义文字信息在语料库中出现的概率，具体为： 对所述语义文字信息进行分词处理； 计算每一分词在语料库中的条件概率； 结合各分词的条件概率，得到所述语义文字信息在语音中出现的概率。 6.根据权利要求5所述的语音流畅度检测方法，其特征在于，计算每一分词在语料库中的条件概率，具体为： 其中，p(wm|wm-1)为语料库的句子中出现分词wm-1的条件下，在分词wm-1后出现分词wm的概率，p(wm,wm-1)为语料库的句子中在分词wm-1后出现分词wm的概率，p(wm-1)为语料库的句子中出现分词wm的概率。 7.根据权利要求5所述的语音流畅度检测方法，其特征在于，结合各分词的条件概率，得到所述语义文字信息在语音中出现的概率，具体为： 其中，p(W)为语义文字信息在语音中出现的概率，p(wm|wm-1)为语料库的句子中出现分词wm-1的条件下，在分词wm-1后出现分词wm的概率，M为分词的总数。 8.一种语音流畅度检测装置，其特征在于，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-7任一项所述的语音流畅度检测方法。 9.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机该程序被处理器执行时，实现如权利要求1-7任一项所述的语音流畅度检测方法。