[发明专利]发音评价方法和装置，存储介质和电子设备

说明书

本公开涉及一种发音评价方法和装置，存储介质和电子设备，所述发音评价方法包括：获取待评价音频，所述待评价音频为用户朗读给定例句的音频；将所述待评价音频输入视频生成模型，得到所述视频生成模型输出的与所述待评价音频对应的发音器官动作视频；根据所述发音器官动作视频确定发音器官的运动特征信息；将所述运动特征信息和与所述给定例句对应的所述发音器官的标准运动特征信息进行相似度计算，得到相似度信息；根据所述相似度信息生成所述待评价音频的发音评价结果。本公开的这种方法可以得到更加准确地发音评价结果。

技术领域

本公开涉及音频技术领域，具体地，涉及一种发音评价方法和装置，存储介质和电子设备。

背景技术

在进行发音学习的场景下，用户根据听到的声音来模拟应该如何发音。对于用户模拟的发音，用户本身很难知悉自己的发音是否正确。

目前，可以通过提取用户发音信息中的声音频谱特征，如频率倒谱系数MFCC，将提取到的声音频谱特征与标准发音的声音频谱特征进行对比，从而可得到用户发音的准确度。然而根据单一的声音频谱维度的信息计算得到的用户发音准确度本身较为粗糙，精准率较低。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种发音评价方法，所述方法包括：获取待评价音频，所述待评价音频为用户朗读给定例句的音频；将所述待评价音频输入视频生成模型，得到所述视频生成模型输出的与所述待评价音频对应的发音器官动作视频；根据所述发音器官动作视频确定发音器官的运动特征信息；将所述运动特征信息和与所述给定例句对应的所述发音器官的标准运动特征信息进行相似度计算，得到相似度信息；根据所述相似度信息生成所述待评价音频的发音评价结果。

第二方面，本公开提供一种发音评价装置，所述装置包括：获取模块，用于获取待评价音频，所述待评价音频为用户朗读给定例句的音频；输入模块，用于将所述待评价音频输入视频生成模型，得到所述视频生成模型输出的与所述待评价音频对应的发音器官动作视频；确定模块，用于根据所述发音器官动作视频确定发音器官的运动特征信息；计算模块，用于将所述运动特征信息和与所述给定例句对应的所述发音器官的标准运动特征信息进行相似度计算，得到相似度信息；生成模块，用于根据所述相似度信息生成所述待评价音频的发音评价结果。

第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。

第四方面，本公开提供一种电子设备，包括存储装置和处理装置，存储装置上存储有计算机程序，处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。

通过上述技术方案，至少可以达到以下的技术效果：

可以将用户朗读给定例句的待评价音频输入视频生成模型，拟合还原出用户的发音器官动作视频。根据发音器官动作视频中的视频图像可以确定发音器官的运动特征信息。将运动特征信息和与给定例句对应的发音器官的标准运动特征信息进行相似度计算，可以得到发音器官发音动作的相似度信息。基于发音器官的发音动作相似度信息可以得到发音评价结果。由于发音准确率与发音器官的动作直接相关，因而采用这种通过发音动作特征确定发音是否正确的方式得到的发音评价结果更加的准确。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：

图1是根据本公开一示例性公开实施例示出的一种发音评价方法的流程图。