[发明专利]模型评测方法、装置及电子设备

说明书

本申请公开了一种模型评测方法、装置及电子设备，涉及音频数据处理技术领域。其中方法包括：获取M个使用第一待评测语音合成模型合成的第一音频信号，以及获取N个录制的第二音频信号；对M个第一音频信号中每个第一音频信号进行声纹提取，获得M个第一声纹特征；对N个第二音频信号中每个第二音频信号进行声纹提取，获得N个第二声纹特征；将M个第一声纹特征进行聚类，获得K个第一中心特征；将N个第二声纹特征进行聚类，获得J个第二中心特征；统计K个第一中心特征与J个第二中心特征之间的余弦距离，获得第一距离；基于第一距离，对第一待评测语音合成模型进行评测。根据本申请的技术，能够提高第一待评测语音合成模型的评测效率。

技术领域

本申请涉及数据处理技术，尤其涉及音频数据处理技术领域，具体涉及一种模型评测方法、装置及电子设备。

背景技术

语音合成技术是将文字转换成音频信号输出的一种技术，在人机交互领域占有重要角色，应用价值较广。而个性化语音合成是通过语音合成技术，合成与真人发音非常相似的音频信号，目前已经广泛应用于地图，智能音箱等领域。

当前有许多个性化语音合成模型，来用于合成音频信号，这些个性化语音合成模型合成的音频还原度参差不齐，因此，对个性化语音合成模型进行评测至关重要。

目前，通常是依靠预先训练的声纹校验模型，来评测个性化语音合成模型合成的音频还原度，即合成的音频与真人发音的相似度，从而评测个性化语音合成模型的优劣。然而，由于声纹校验模型通常是一个一个对合成的音频信号进行还原度校验，因此，评测效率比较低。

发明内容

本申请提供了一种模型评测方法、装置及电子设备。

根据第一方面，本申请提供了一种模型评测方法，所述方法包括：

获取M个使用第一待评测语音合成模型合成的第一音频信号，以及获取N个录制的第二音频信号；

对M个第一音频信号中每个第一音频信号进行声纹提取，获得M个第一声纹特征；对N个第二音频信号中每个第二音频信号进行声纹提取，获得N个第二声纹特征；

将所述M个第一声纹特征进行聚类，获得K个第一中心特征；将所述N个第二声纹特征进行聚类，获得J个第二中心特征；

统计所述K个第一中心特征与所述J个第二中心特征之间的余弦距离，获得第一距离；

基于所述第一距离，对所述第一待评测语音合成模型进行评测；

其中，M、N、K和J均为大于1的正整数，M大于K，N大于J。

根据第二方面，本申请提供了一种模型评测装置，包括：

第一获取模块，用于获取M个使用第一待评测语音合成模型合成的第一音频信号，以及获取N个录制的第二音频信号；

第一声纹提取模块，用于对M个第一音频信号中每个第一音频信号进行声纹提取，获得M个第一声纹特征；对N个第二音频信号中每个第二音频信号进行声纹提取，获得N个第二声纹特征；

第一聚类模块，用于将所述M个第一声纹特征进行聚类，获得K个第一中心特征；将所述N个第二声纹特征进行聚类，获得J个第二中心特征；

第一统计模块，用于统计所述K个第一中心特征与所述J个第二中心特征之间的余弦距离，获得第一距离；

第一评测模块，用于基于所述第一距离，对所述第一待评测语音合成模型进行评测；

其中，M、N、K和J均为大于1的正整数，M大于K，N大于J。

根据第三方面，本申请提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，