[发明专利]音频评估方法、装置、可读介质以及电子设备

权利要求书

1.一种音频评估方法，其特征在于，所述方法包括：

获取音频数据；

提取所述音频数据中每一音频帧的音频特征；

对每一所述音频帧的所述音频特征进行聚类处理，得到每一所述音频帧的类别；

根据每一所述音频帧的类别和每一所述音频帧的音频特征，确定所述音频数据的评估结果。

2.根据权利要求1所述的音频评估方法，其特征在于，所述类别用于反映所述音频帧与所述音频数据中的音素的映射关系。

3.根据权利要求1或2所述的音频评估方法，其特征在于，所述对每一所述音频帧的所述音频特征进行聚类处理，得到每一所述音频帧的类别，包括：

根据聚类模型对每一所述音频帧的所述音频特征进行所述聚类处理，得到每一所述音频帧的所述类别。

4.根据权利要求1所述的音频评估方法，其特征在于，所述提取所述音频数据中每一音频帧的音频特征，包括：

根据卷积神经网络对所述音频数据进行处理，得到每一所述音频帧的编码特征；

根据上下文编码器对每一所述音频帧的所述编码特征进行处理，得到每一所述音频帧的所述音频特征。

5.根据权利要求1所述的音频评估方法，其特征在于，所述评估结果包括口语流利度，所述口语流利度用于反映所述音频数据对应的说话人的口语流利程度，所述根据每一所述音频帧的类别和每一所述音频帧的音频特征，确定所述音频数据的评估结果，包括：

根据训练好的流利度识别模型对每一所述音频帧的类别和每一所述音频帧的所述音频特征进行处理，确定所述音频数据的所述口语流利度。

6.根据权利要求5所述的音频评估方法，其特征在于，所述流利度识别模型是基于以下方式训练得到的：

获取多个样本音频，所述样本音频标注有口语流利度标签；

提取每一所述样本音频中每一样本音频帧的样本音频特征；

针对每一所述样本音频，对该样本音频的每一所述样本音频帧的所述音频特征进行聚类处理，得到每一所述样本音频中的每一所述样本音频帧的类别；

针对每一所述样本音频，通过初始流利度识别模型对该样本音频中的每一所述样本音频帧的类别和每一所述样本音频帧的所述音频特征进行处理，确定每一样本音频的预测口语流利度；

根据每一所述样本音频的所述口语流利度标签和所述预测口语流利度，确定损失函数，并根据所述损失函数对所述初始流利度识别模型进行训练，得到训练好的流利度识别模型。

7.根据权利要求6所述的音频评估方法，其特征在于，多个所述样本音频是根据开放场景下的问答音频，和/或跟读场景下针对跟读文本的跟读音频得到的。

8.一种音频评估装置，其特征在于，所述装置包括：

获取模块，被配置为获取音频数据；

提取模块，被配置为提取所述音频数据中每一音频帧的音频特征；

聚类模块，被配置为对每一所述音频帧的所述音频特征进行聚类处理，得到每一所述音频帧的类别；

确定模块，被配置为根据每一所述音频帧的类别和每一所述音频帧的音频特征，确定所述音频数据的评估结果。

9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。

10.一种电子设备，其特征在于，包括：

存储装置，其上存储有至少一个计算机程序；

至少一个处理装置，用于执行所述存储装置中的所述至少一个计算机程序，以实现权利要求1-7中任一项所述方法的步骤。