[发明专利]网络教学实时语音分析方法

说明书

技术领域

本发明属于语音分析技术领域，具体涉及网络教学实时语音分析的方法。

背景技术

语音是我们日常生活的不可或缺的一部分。准确的语音(例如，发音、语法等)在高效通信中起着重要作用。能够有效地说话可以使人容易被理解，听起来信心十足，并且明确地表达出重点。

纠正和改进语音的常规设备和技术包括人为指导以及计算机辅助工具。在常规的人为指导方法中，雇用教师(即，语音-语言培训师、语言学家等)帮助纠正和改进语音。例如，可以参加现场讲习班或完成在线课程。但是，使用现场老师会需要大量时间。此外，成本通常非常高昂。另外，使用这种方法缺少迫切需要的灵活性。

在常规的计算机辅助工具中，用户打开软件并且阅读软件显示的文本(预先选择或随机选择)。计算机分析用户的声道并标识错误。计算机例如可以根据语音与所需发音的接近程度分析语音，或者使用语音识别组件将语音输入转换为文本，然后测量转换的文本与原始文本的接近程度。

但是，这种计算机辅助工具不提供个人触觉。进一步，计算机难以表示用户的实际、真实的语音内容。此外，用户通常仍然需要花费大量时间使用工具。

常规工具的语音识别组件经过预先训练，因此高度地非个人化。实际上，常规计算机辅助工具不能动态适应用户语音或者用户与他人对话中的内容。常规方法还需要主动练习。预先选择的文本可能不对应于用户最常说的单词和词组。使用常规技术，可能难以涵盖用户习惯性说的某些事物，例如某些术语。

发明内容

针对上述常规方法和结构的缺点和劣势，本发明提供了一种实时语音分析的方法，其中以高度个性化、具有时效性的方式在网络教学中实时纠正和改进用户语音。

本发明采用如下方案来实现上述目的：一种为用户提供网络教学实时语音分析的方法，其特征在于，所述方法包括如下步骤：

a)捕获语音输入；

b)执行所述语音输入的实时识别；

c)分析所识别的语音输入以标识所述用户的语音中的可能错误；

d)处理所述文本以提取上下文对话提示；

其中，所述语音输入包括来自所述用户以及至少一个其他说话者的语音；所述实时识别包括使用自动语音识别ASR将所述语音输入转换为文本。

所述上下文对话提示用来检测候选声音、候选单词和候选词组中的至少一个以便纠正。

优化的，所述可能错误包括发音错误、句法错误和语法错误中的至少一个。

优化的，其特征在于，所述分析包括常规语义分析。

优化的，其特征在于，执行实时识别包括使用来自至少一个其他说话者的语音提示。

优化的，其特征在于，通过使用上下文对话提示标识所述可能错误。

优化的，还包括：实时为所述用户提供建议的错误纠正。

优化的，还包括：创建定制的用户学习会话，其中所述学习会话包括交互式学习会话，以及其中所述学习会话基于常见错误模式。

优化的，还包括：将所标识的错误、可视纠正、可听纠正和建议的同义词中的至少一个输出给所述用户。

优化的，还包括：提取所述用户产生的错误；在机器学习算法的帮助下，汇总常见错误模式；以及将所述用户产生的所述错误和所述常见错误模式中的至少一个存储在用户简档中。

优化的，所述用户简档包括用户国籍、用户口音和用户历史中的至少一个，所述用户历史包括所分析的用户语音、对所标识的错误的先前响应、先前用户反馈和用户容错偏好中的至少一个。

本发明的优点在于：运用本发明的网络教学实时语音分析方法，可以提供用户语音的实时、被动监视，这不需要用户的主动参与。这种方法高度交互，可以利用上下文和对话语义，并且高度个性化。

附图说明

图1是本发明实施例中网络教学实时语音分析系统架构示意图；

图2本发明的步骤框图；

具体实施方式

现在参考附图，更具体地说参考图1-2，其中示出根据本发明的方法和结构的各示例性实施例。

在当今忙碌的世界中，时间非常珍贵。本发明不需要主动练习。相反，它提供用户语音的实时、被动监视。

进一步，每个人都是独特的。至于语音，一个人的弱点可能是另一个人的强项。使用预设单词和词组纠正和改进语音只能到此为止。通过分析来自用户日常生活的实际语音而不是选定文本，本发明涵盖一组代表性并且完整的用户高频词汇。