发音错误检测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种发音错误检测方法、装置、电子设备及存储介质。该方法包括：根据发音文本和待检测语音信号，获取待检测语音信号对应的第一音素状态序列及边界信息，待检测语音信号是针对发音文本的语音信号，边界信息用于区别第一音素状态序列中各状态对应的不同音素；针对第一音素状态序列中状态，确定状态对应的混淆音素状态中后验概率最大的状态；根据边界信息及后验概率最大的状态，确定状态所属音素对应的目标混淆音素；根据目标混淆音素，确定第一音素状态序列中对应音素是否发音错误。本申请基于第一音素状态序列中状态对应的混淆音素状态中后验概率最大的状态还原出状态所属音素对应的目标混淆音素(即实际音素)，可加快发音检错速度。

【技术实现步骤摘要】
发音错误检测方法、装置、电子设备及存储介质
本申请涉及计算机辅助语言学习技术，尤其涉及一种发音错误检测方法、装置、电子设备及存储介质。
技术介绍
发音错误检测(MispronunciationDetection)技术是计算机辅助语言学习(ComputerAssistedLanguageLearning，简称：CALL)技术的一个细分方向，发音错误检测技术要求高效、准确地还原出学习者的实际发音情况，并给出音素级别的客观反馈和评价，以帮助学习者纠正发音错误。传统的基于音素循环网络的发音检错技术，是在无限制的音素循环网络中解码得到实际发音的音素状态序列，进而基于音素状态序列确定发音是否错误。专利技术人在使用该技术进行发音检错时，发现至少存在发音检错速度慢的问题。
技术实现思路
本申请提供一种发音错误检测方法、装置、电子设备及存储介质，以提升发音检错速度。第一方面，本申请提供一种发音错误检测方法，该方法包括：根据发音文本和待检测语音信号，获取待检测语音信号对应的第一音素状态序列及边界信息，待检测语音信号是针对发音文本的语音信号，边界信息用于区别第一音素状态序列中各状态对应的不同音素；针对第一音素状态序列中状态，确定状态对应的混淆音素状态中后验概率最大的状态；根据边界信息及后验概率最大的状态，确定状态所属音素对应的目标混淆音素；根据目标混淆音素，确定第一音素状态序列中对应音素是否发音错误。一种可能的实施方式中，上述确定状态对应的混淆音素状态中后验概率最大的状态，包括：在状态的持续时间内，遍历状态所属音素对应的混淆音素的状态，确定其中后验概率最大的状态。一种可能的实施方式中，上述根据边界信息及后验概率最大的状态，确定状态所属音素对应的目标混淆音素，包括：根据边界信息，对后验概率最大的状态进行分组；根据分组中状态，确定状态所属音素对应的目标混淆音素。一种可能的实施方式中，上述根据分组中状态，确定状态所属音素对应的目标混淆音素，包括：若分组中状态同属于一音素，则确定该音素为状态所属音素对应的目标混淆音素；若分组中状态不同属于一音素，则确定分组中后验概率最大的状态所属的音素为状态所属音素对应的目标混淆音素。一种可能的实施方式中，上述根据发音文本和待检测语音信号，获取待检测语音信号对应的第一音素状态序列及边界信息，包括：根据发音文本，构建初始加权有限状态转移器(WeightedFinite-StateTransducers，简称：WFST)对齐网络，其中，初始WFST对齐网络表示发音文本对应的音素的可能路径状态图；根据待检测语音信号和初始WFST对齐网络，获取待检测语音信号对应的第一音素状态序列及边界信息。一种可能的实施方式中，上述初始WFST对齐网络包含词间可选静音音素路径。一种可能的实施方式中，上述根据目标混淆音素，确定第一音素状态序列中对应音素是否发音错误，包括：若目标混淆音素与第一音素状态序列中对应音素相同，则确定第一音素状态序列中对应音素发音正确；或者，若目标混淆音素与第一音素状态序列中对应音素不同，则确定第一音素状态序列中对应音素的发音错误。第二方面，本申请提供一种发音错误检测装置，包括：获取模块，用于根据发音文本和待检测语音信号，获取待检测语音信号对应的第一音素状态序列及边界信息，待检测语音信号是针对发音文本的语音信号，边界信息用于区别第一音素状态序列中各状态对应的不同音素；第一确定模块，用于针对第一音素状态序列中状态，确定状态对应的混淆音素状态中后验概率最大的状态；第二确定模块，用于根据边界信息及后验概率最大的状态，确定状态所属音素对应的目标混淆音素；比较模块，用于根据目标混淆音素，确定第一音素状态序列中对应音素是否发音错误。一种可能的实施方式中，第一确定模块具体用于：在状态的持续时间内，遍历状态所属音素对应的混淆音素的状态，确定其中后验概率最大的状态。一种可能的实施方式中，第二确定模块，包括：分组单元，用于根据边界信息，对后验概率最大的状态进行分组；确定单元，用于根据分组中状态，确定状态所属音素对应的目标混淆音素。一种可能的实施方式中，确定单元具体用于：若分组中状态同属于一音素，则确定该音素为状态所属音素对应的目标混淆音素；若分组中状态不同属于一音素，则确定分组中后验概率最大的状态所属的音素为状态所属音素对应的目标混淆音素。一种可能的实施方式中，获取模块具体用于：根据发音文本，构建初始加权有限状态转移器(WeightedFinite-StateTransducers，简称：WFST)对齐网络，其中，初始WFST对齐网络表示发音文本对应的音素的可能路径状态图；根据待检测语音信号和初始WFST对齐网络，获取待检测语音信号对应的第一音素状态序列及边界信息。一种可能的实施方式中，上述初始WFST对齐网络包含词间可选静音音素路径。一种可能的实施方式中，比较模块具体用于：若目标混淆音素与第一音素状态序列中对应音素相同，则确定第一音素状态序列中对应音素发音正确；或者，若目标混淆音素与第一音素状态序列中对应音素不同，则确定第一音素状态序列中对应音素的发音错误。第三方面，本申请提供一种电子设备，包括：存储器，用于存储程序指令；处理器，用于调用并执行存储器中的程序指令，执行如第一方面中任一项所述的方法。第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质上存储有程序指令；程序指令被执行时，实现如第一方面中任一项所述的方法。本申请提供的发音错误检测方法、装置、电子设备及存储介质，该方法包括：根据发音文本和待检测语音信号，获取待检测语音信号对应的第一音素状态序列及边界信息，待检测语音信号是针对发音文本的语音信号，边界信息用于区别第一音素状态序列中各状态对应的不同音素；针对第一音素状态序列中状态，确定状态对应的混淆音素状态中后验概率最大的状态；根据边界信息及后验概率最大的状态，确定状态所属音素对应的目标混淆音素；根据目标混淆音素，确定第一音素状态序列中对应音素是否发音错误。通过基于第一音素状态序列中状态对应的混淆音素状态中后验概率最大的状态，确定状态所属音素对应的目标混淆音素，即还原出实际音素，相比重新构建解码网络进行二次解码的方案，本申请可以加快发音检错速度。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1a为本申请一实施例提供的应用场景示例图；图1b为本申请另一实施例提供的应用场景示例图；图2为本申请一实施例提供的发音错误检测方法的流程图；图3为本申请另一实施例提供的发音错误检本文档来自技高网...

【技术保护点】
1.一种发音错误检测方法，其特征在于，包括：/n根据发音文本和待检测语音信号，获取所述待检测语音信号对应的第一音素状态序列及边界信息，所述待检测语音信号是针对所述发音文本的语音信号，所述边界信息用于区别所述第一音素状态序列中各状态对应的不同音素；/n针对所述第一音素状态序列中状态，确定所述状态对应的混淆音素状态中后验概率最大的状态；/n根据所述边界信息及后验概率最大的状态，确定所述状态所属音素对应的目标混淆音素；/n根据所述目标混淆音素，确定所述第一音素状态序列中对应音素是否发音错误。/n

【技术特征摘要】
1.一种发音错误检测方法，其特征在于，包括：
根据发音文本和待检测语音信号，获取所述待检测语音信号对应的第一音素状态序列及边界信息，所述待检测语音信号是针对所述发音文本的语音信号，所述边界信息用于区别所述第一音素状态序列中各状态对应的不同音素；
针对所述第一音素状态序列中状态，确定所述状态对应的混淆音素状态中后验概率最大的状态；
根据所述边界信息及后验概率最大的状态，确定所述状态所属音素对应的目标混淆音素；
根据所述目标混淆音素，确定所述第一音素状态序列中对应音素是否发音错误。


2.根据权利要求1所述的方法，其特征在于，所述确定所述状态对应的混淆音素状态中后验概率最大的状态，包括：
在所述状态的持续时间内，遍历所述状态所属音素对应的混淆音素的状态，确定其中后验概率最大的状态。


3.根据权利要求1所述的方法，其特征在于，所述根据所述边界信息及后验概率最大的状态，确定所述状态所属音素对应的目标混淆音素，包括：
根据所述边界信息，对后验概率最大的状态进行分组；
根据分组中状态，确定所述状态所属音素对应的目标混淆音素。


4.根据权利要求3所述的方法，其特征在于，所述根据分组中状态，确定所述状态所属音素对应的目标混淆音素，包括：
若分组中状态同属于一音素，则确定该音素为所述状态所属音素对应的目标混淆音素；
若分组中状态不同属于一音素，则确定所述分组中后验概率最大的状态所属的音素为所述状态所属音素对应的目标混淆音素。


5.根据权利要求1所述的方法，其特征在于，所述根据发音文本和待检测语音信号，获取所述待检测语音信号对应的第一音素状态序列及边界信息，包括：
根据所述发音文本，构建初始WFST对齐网络，其中，所述初始WFST对齐网络表示所述发...

【专利技术属性】
技术研发人员：叶珑，雷延强，梁伟文，
申请(专利权)人：广州视琨电子科技有限公司，
类型：发明
国别省市：广东;44