本发明专利技术公开了一种语音一致性检测方法、装置、设备及存储介质。该方法通过获取目标用户的模板语音特征库和待判定语音，确定待判定语音中各待判定元音音素的音素特征，进而根据各待判定元音音素的音素特征以及模板语音特征库中与各待判定元音音素对应的模板元音音素的音素特征，检测待判定语音与模板语音特征库中的模板语音之间是否具备一致性，实现了基于音素特征的语音一致性检测，该方法通过为用户构建的模板语音特征库即可实现实时对用户录制语音的一致性检测，无需人工多次回放收听，解决了检测语音一致性的成本较高以及时效性较低的技术问题，提高了语音一致性的检测效率和检测时效性。和检测时效性。和检测时效性。
【技术实现步骤摘要】
语音一致性检测方法、装置、设备及存储介质
[0001]本专利技术涉及语音处理
，尤其涉及一种语音一致性检测方法、装置、设备及存储介质。
技术介绍
[0002]在生成语音合成数据库的过程中，通常要求同一个发音人在不同时期、不同环境所录制的数据保持较高的一致性，即从听感上保证所录制的各个批次的语音尽量保持一致，如，同一发音人在不同时期录制的音频的音量是否忽高忽低、语速是否时快时慢、音调是否忽高忽低等。
[0003]针对同一发音人在不同时期录制的音频是否在听感上保持一致，目前没有一个标准的评价方法。现有技术通常依赖于人工检查，即人为反复多次回放音频来判断是否一致。然而，该方法人工成本、时间成本较多，并且，不能实时判断出发音人当前录制的语音是否具备一致性，时效性较低。
技术实现思路
[0004]本专利技术提供了一种语音一致性检测方法、装置、设备及存储介质，以解决检测语音一致性的成本较高以及时效性较低的技术问题。
[0005]根据本专利技术的一方面，提供了一种语音一致性检测方法，包括：获取目标用户的模板语音特征库，其中，所述模板语音特征库包括模板语音中各模板元音音素的音素特征；获取所述目标用户的待判定语音，确定所述待判定语音中各待判定元音音素的音素特征；基于各所述待判定元音音素的音素特征以及所述模板语音特征库中与各所述待判定元音音素对应的模板元音音素的音素特征，检测所述待判定语音与所述模板语音之间是否具备一致性。
[0006]可选的，所述获取目标用户的模板语音特征库，包括：获取目标用户的模板语音，确定所述模板语音中各模板元音音素的音素信息；基于各所述模板元音音素的音素信息确定各所述模板元音音素的音素特征；基于各所述模板元音音素的音素特征构建模板语音特征库。
[0007]可选的，所述确定所述模板语音中各模板元音音素的音素信息，包括：确定所述模板语音中各音素的音素信息，其中，所述音素信息包括音素置信度；基于各所述音素的音素置信度以及预设置信度阈值对各所述音素进行过滤处理，基于过滤处理的结果确定各模板元音音素的音素信息。
[0008]可选的，在所述确定所述模板语音中各模板元音音素的音素信息之前，所述方法还包括：针对各所述模板语音，确定所述模板语音中的静音片段和噪声片段，将所述静音
片段和所述噪声片段从所述模板语音中剔除。
[0009]可选的，所述音素信息包括音素起始时间、音素结束时间以及音素采样点幅度值，所述基于各所述模板元音音素的音素信息确定各所述模板元音音素的音素特征，包括：基于所述模板元音音素的音素起始时间和音素结束时间，确定所述模板元音音素的平均语速；基于所述模板元音音素的音素采样点幅度值确定所述模板元音音素的平均能量；根据所述平均语速、所述平均能量、所述模板元音音素的基频以及所述模板元音音素的共振峰，构建所述模板元音音素的音素特征。
[0010]可选的，所述基于各所述模板元音音素的音素特征构建模板语音特征库，包括：基于各所述模板元音音素的基频和共振峰，对各所述模板元音音素进行聚类处理；根据聚类处理的结果在各所述模板元音音素中确定各簇内音素，基于所述簇内音素的音素特征构建模板语音特征库。
[0011]可选的，所述基于各所述待判定元音音素的音素特征以及所述模板语音特征库中与各所述待判定元音音素对应的模板元音音素的音素特征，检测所述待判定语音与所述模板语音之间是否具备一致性，包括：获取预先训练的音素识别模型，其中，所述音素识别模型包括特征处理模块；基于所述特征处理模块和各所述模板元音音素的音素特征确定各所述模板元音音素的目标高阶特征，基于所述特征处理模块和各所述待判定元音音素的音素特征确定各所述待判定元音音素的目标高阶特征；基于各所述待判定元音音素的目标高阶特征以及与各所述待判定元音音素对应的模板元音音素的目标高阶特征，检测所述待判定语音与所述模板语音之间是否具备一致性。
[0012]可选的，所述方法还包括：获取各所述模板元音音素的音素标签，基于各所述模板元音音素的音素标签和各所述模板元音音素的音素特征构建训练样本集；基于所述训练样本集对预先构建的音素识别网络进行训练，基于训练的结果确定音素识别模型。
[0013]可选的，所述基于各所述待判定元音音素的音素特征以及所述模板语音特征库中与各所述待判定元音音素对应的模板元音音素的音素特征，检测所述待判定语音与所述模板语音之间是否具备一致性，包括：针对各所述待判定元音音素，计算所述待判定元音音素的音素特征以及与所述待判定元音音素对应的模板元音音素的音素特征之间的特征距离；基于各所述待判定元音音素对应的特征距离检测所述待判定语音与所述模板语音之间是否具备一致性。
[0014]根据本专利技术的另一方面，提供了一种语音一致性检测装置，包括：模板信息获取模块，用于获取目标用户的模板语音特征库，其中，所述模板语音特征库包括模板语音中各模板元音音素的音素特征；待判定语音获取模块，用于获取所述目标用户的待判定语音，确定所述待判定语
音中各待判定元音音素的音素特征；一致性确定模块，用于基于各所述待判定元音音素的音素特征以及所述模板语音特征库中与各所述待判定元音音素对应的模板元音音素的音素特征，检测所述待判定语音与所述模板语音之间是否具备一致性。
[0015]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：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，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的语音一致性检测方法。
[0016]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的语音一致性检测方法。
[0017]本专利技术实施例的技术方案，通过获取目标用户的模板语音特征库和待判定语音，确定待判定语音中各待判定元音音素的音素特征，进而根据各待判定元音音素的音素特征以及模板语音特征库中与各待判定元音音素对应的模板元音音素的音素特征，检测待判定语音与模板语音特征库中的模板语音之间是否具备一致性，实现了基于音素特征的语音一致性检测，该方法通过为用户构建的模板语音特征库即可实现实时对用户录制语音的一致性检测，无需人工多次回放收听，解决了检测语音一致性的成本较高以及时效性较低的技术问题，提高了语音一致性的检测效率和检测时效性。
[0018]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0019]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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专利技术的一些实施例，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。
[0020]图1是本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种语音一致性检测方法，其特征在于，包括：获取目标用户的模板语音特征库，其中，所述模板语音特征库包括模板语音中各模板元音音素的音素特征；获取所述目标用户的待判定语音，确定所述待判定语音中各待判定元音音素的音素特征；基于各所述待判定元音音素的音素特征以及所述模板语音特征库中与各所述待判定元音音素对应的模板元音音素的音素特征，检测所述待判定语音与所述模板语音之间是否具备一致性。2.根据权利要求1所述的方法，其特征在于，所述获取目标用户的模板语音特征库，包括：获取目标用户的模板语音，确定所述模板语音中各模板元音音素的音素信息；基于各所述模板元音音素的音素信息确定各所述模板元音音素的音素特征；基于各所述模板元音音素的音素特征构建模板语音特征库。3.根据权利要求2所述的方法，其特征在于，所述确定所述模板语音中各模板元音音素的音素信息，包括：确定所述模板语音中各音素的音素信息，其中，所述音素信息包括音素置信度；基于各所述音素的音素置信度以及预设置信度阈值对各所述音素进行过滤处理，基于过滤处理的结果确定各模板元音音素的音素信息。4.根据权利要求2所述的方法，其特征在于，在所述确定所述模板语音中各模板元音音素的音素信息之前，所述方法还包括：针对各所述模板语音，确定所述模板语音中的静音片段和噪声片段，将所述静音片段和所述噪声片段从所述模板语音中剔除。5.根据权利要求2所述的方法，其特征在于，所述音素信息包括音素起始时间、音素结束时间以及音素采样点幅度值，所述基于各所述模板元音音素的音素信息确定各所述模板元音音素的音素特征，包括：基于所述模板元音音素的音素起始时间和音素结束时间，确定所述模板元音音素的平均语速；基于所述模板元音音素的音素采样点幅度值确定所述模板元音音素的平均能量；根据所述平均语速、所述平均能量、所述模板元音音素的基频以及所述模板元音音素的共振峰，构建所述模板元音音素的音素特征。6.根据权利要求5所述的方法，其特征在于，所述基于各所述模板元音音素的音素特征构建模板语音特征库，包括：基于各所述模板元音音素的基频和共振峰，对各所述模板元音音素进行聚类处理；根据聚类处理的结果在各所述模板元音音素中确定各簇内音素，基于所述簇内音素的音素特征构建模板语音特征库。7.根据权利要求1所述的方法，其特征在于，所述基于各所述待判定元音音素的音素特征以及所述模板语音特征库中与各所述待判定元音音素对应的模板元音音素的音素特征，检测所述待判定语音与所述模板语音之间是否具备...
【专利技术属性】
技术研发人员：邵志明，黄宇凯，李科，郝玉峰，
申请(专利权)人：北京海天瑞声科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。