[发明专利]一种基于国学经典学习的韵律自动评价系统在审

专利信息
申请号: 201910247547.4 申请日: 2019-03-29
公开(公告)号: CN110085257A 公开(公告)日: 2019-08-02
发明(设计)人: 姜云峰 申请(专利权)人: 语文出版社有限公司
主分类号: G10L25/51 分类号: G10L25/51;G10L15/02;G10L15/06;G09B7/02
代理公司: 厦门福贝知识产权代理事务所(普通合伙) 35235 代理人: 郝学江
地址: 100005 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基频 韵律 发音 语音特征提取模块 自动评价系统 准确性检测 倍频 语音数据采集 标准发音 处理模块 构建模块 声学模型 训练模块 音素边界 语音识别 综合评价 平滑 时长 光滑 停顿 走势 学习 检测
【权利要求书】:

1.一种基于国学经典学习的韵律自动评价系统,包括标准发音库构建模块,语音识别声学模型训练模块,语音数据采集模块,语音特征提取模块,发音准确性检测模块,音素边界切分模块,韵律准确性检测模块以及综合评价模块;

所述标准发音库构建模块,用于对标准发音人所朗读的国学经典音频进行处理,抽取发音自动评价所需的语音参数特征,由此构建国学经典学习的标准发音库;

所述语音识别声学模型训练模块,与标准发音库构建模块相连,利用标准音库中的语音数据进行语音识别声学模型的训练;

所述语音数据采集模块,用于采集学习者的语音数据;

所述语音特征提取模块,与语音数据采集模块相连,用于从所接收到的学习者的语音数据中提取用于发音准确性检测和韵律准确性检测的语音特征参数,包括用于音素边界切分和发音准确性判断的MFCC参数,以及用于韵律准确性检测的基频参数;

所述发音准确性检测模块,与语音特征提取模块、语音识别声学模型训练模块和标准发音库构建模块相连,利用训练好的基于国学经典学习的所述语音识别声学模型引擎对所述语音特征提取模块提取得到的语音特征进行音素的自动识别,并与所述标准发音库中的音素序列进行对比,得到最终音素错误信息;

所述音素边界切分模块,与语音特征提取模块和语音识别声学模型训练模块相连,利用训练好的基于国学经典学习的所述语音识别声学模型引擎对所述语音特征提取模块提取得到的语音特征进行音素边界的切分,给出每个音素对应的时间边界信息;

所述韵律准确性检测模块,与语音特征提取模块、音素边界切分模块和标准发音库构建模块相连,利用所述语音特征提取模块提取得到的语音参数和所述音素边界切分模块切分得到的音素序列及其时间边界信息,并与所述标准发音库中存储的标准发音人的韵律参数评价,并给出最终韵律上上的错误信息;

所述综合评价模块,与发音准确性检测模块和韵律准确性检测模块相连,用于结合发音准确性检测模块和韵律准确性检测模块给出的错误提示,反馈给学习者具体哪些地方存在发音问题,并综合发音的准确性和韵律的准备性,并给出最终的发音质量的打分结果。

2.根据权利要求1所述的一种基于国学经典学习的韵律自动评价系统,其特征在于:所述标准发音库构建模块包括:标准发音人语音数据获取及预处理模块和标准发音人语音参数特征提取模块,

标准发音人语音数据获取及预处理模块,用于对标准发音人的诵读国学经典的语音数据进行人工校对,并将原始的录音数据处理成短句,对处理后的音频进行统一标号并将其文本对应音素序列进行保存;

标准发音人语音参数特征提取模块,用于对经过所述标准发音人语音数据获取及预处理模块处理后的语音数据进行特性抽取,包括用于音素边界切分和发音准确性判断的MFCC参数,以及用于韵律准确性检测的韵律参数,最后将提取得到的语音特征进行统一标号并保存,至此完成标准发音库构建模块的构建。

3.根据权利要求1所述的一种基于国学经典学习的韵律自动评价系统,其特征在于:所述语音识别声学模型训练模块包括:国学经典发音词典构建模块、普适性语音识别声学模型训练模块和基于国学经典语音识别声学模型训练模块,

国学经典发音词典构建模块,用于生成了国学经典中的词和音素之间的映射关系;

普适性语音识别声学模型训练模块,用于额外的语音数据集,进行具有普适性的语音识别声学模型引擎的训练,得到具有普适性的所述语音识别声学模型引擎;

基于国学经典语音识别声学模型训练模块,将训练得到的具有普适性的所述语音识别声学模型引擎作为初始的模型,并所述标准发音库构建模块中的国学经典数据,进行自适应声学模型训练,以得到基于国学经典的所述语音识别声学模型引擎。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于语文出版社有限公司,未经语文出版社有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910247547.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top