[发明专利]语调评分方法、语调评分系统、计算设备及存储介质

说明书

本申请提供了一种语调评分方法，语调评分系统、计算设备及存储介质。所述方法包括：获得用户输入的与文本内容对应的目标音频；获得与所述文本内容对应的示例音频；分别计算所述目标音频与所述示例音频的基频包络；分别获得所述目标音频和所述示例音频对应文本内容中相同文本片段的时间对齐信息；根据所述基频包络以及所述时间对齐信息，计算所述目标音频与所述示例音频之间至少两类基频相似性特征值；将所述至少两类基频相似性特征值输入预置语调评分模型，得到所述目标音频的语调评分。本申请提高了语调评分的适应能力及评分效果，且提高了对目标音频评分的合理性和准确性。

技术领域

本申请涉及语调评分技术领域，尤其涉及一种语调评分方法、语调评分系统、计算设备及存储介质。

背景技术

相关技术中，在具体评估语调分数时，通常是使用相对单一的度量方法衡量目标语音和示例语音的基频相似性，方法过于简单，适应能力不足，效果受限。特别是在少儿英语的教学场景中，学生的口语发音相比成人学生更为随意多变，需要提出更强的语调评估方法。

发明内容

为克服相关技术中存在的问题，本申请提供一种语调评分方法，该方法能够实现对口语语调更准确、更稳定、更合理的进行评分。

一种语调评分方法，包括：获得用户输入的与文本内容对应的目标音频；获得与所述文本内容对应的示例音频；分别计算所述目标音频与所述示例音频的基频包络；分别获得所述目标音频和所述示例音频对应文本内容中相同文本片段的时间对齐信息；根据所述基频包络以及所述时间对齐信息，计算所述目标音频与所述示例音频之间至少两类基频相似性特征值；将所述至少两类基频相似性特征值输入预置语调评分模型，得到所述目标音频的语调评分。

上述方法中，所述文本片段包括第一类文本片段，所述第一类文本片段包括至少一个单词；所述分别获得所述目标音频和所述示例音频对应文本内容中相同文本片段的时间对齐信息，根据所述基频包络以及所述时间对齐信息，计算所述目标音频与所述示例音频之间至少两类基频相似性特征值，包括：分别获得所述目标音频和所述示例音频对应所述文本内容中相同第一类文本片段的第一时间对齐信息；根据所述基频包络以及所述第一时间对齐信息，计算所述目标音频与所述示例音频之间基于所述第一类文本片段的至少两类基频相似性特征值。

上述方法还包括：对所述文本内容进行划分，得到至少两个第一类文本片段，且每个第一类文本片段包括的单词数相同；或者，对所述文本内容进行划分，得到至少两个第一类文本片段，且至少有两个第一类文本片段包含的单词数不同。

上述方法中，所述基于第一类文本片段得到的基频相似性特征值包括基本统计量特征值、距离特征值、基频范围类特征值和多项式拟合系数特征值。

上述方法中，所述基于第一类文本片段得到的基本统计量特征值包括最小基频、最大基频、基频中值和基频取值范围。

其中，所述基于第一类文本片段得到的距离特征值包括欧式距离、曼哈顿距离、DTW距离、最长公共子序列分数和BLEU分数。

其中，所述基频范围类特征值包括：分别计算每个文本片段的目标音频和示例音频的基频取值范围；计算目标音频每个文本片段的基频取值范围与示例音频每个文本片段的基频取值范围的比值；获得比值的最大值，或者最小值，或者所有比值的平均值。

其中，所述多项拟合系数特征值包括：对目标音频的基频序列采用多项式进行拟合，得到拟合系数序列作为特征值。

上述方法还包括：将所述文本内容划分为多个第二类文本片段，所述第二类文本片段包括至少一个音节；获得所述目标音频和所述示例音频对应文本内容中相同第二类文本片段的第二时间对齐信息；根据所述基频包络和所述第二时间对齐信息，计算所述目标音频与所述示例音频之间基于第二类文本片的至少一类音节级基频相似性特征值；将所述至少两类基于第一类文本片段的基频相似性特征值和至少一类基于第二类文本片段的基频相似性特征值输入预置语调评分模型，得到对所述目标音频的语调评分的结果。