本發(fā)明涉及語言溝通領域，尤其涉及一種智能口語測評方法。
背景技術：
隨著全球經(jīng)濟一體化的發(fā)展，英語作為國際通用語言，越來越顯示出其重要的作用。商務往來、文化交流、跨國旅游等活動日益頻繁，越來越多的人需要學習一門外語，這樣口語交際能力的提高已經(jīng)成為了外語學習的迫切需求。如何提高外語的學習效果，更好地滿足用戶對外語學習的需求，已經(jīng)成為目前亟待解決的問題。
技術實現(xiàn)要素：
為了克服上述現(xiàn)有技術中的不足，本發(fā)明的目的在于，提供一種智能口語測評方法，方法包括：
S1：使用計算機的錄音設備獲取用戶的口語語音數(shù)據(jù)信息，提取用戶語音數(shù)據(jù)中的用戶語音特征；
S2：將用戶語音特征與標準語音特征進行對齊，并將用戶語音特征中的母音，輔音分別對應與標準語音特征的母音，輔音進行對比，形成對比數(shù)據(jù)信息；
S3：將對比數(shù)據(jù)信息進行評分；
S4：將對比數(shù)據(jù)信息及評分結果儲存至數(shù)據(jù)庫中。
優(yōu)選地，步驟S1之前還包括：設置標準朗讀文本，獲取標準朗讀文本的標準語音特征；
將標準語音特征按時間進行分段，分為n段，以20ms為一時間分段；
將每一時間段標準語音特征分為靜態(tài)特征及動態(tài)特征；
將每一時間段標準語音特征的頻譜能量進行分解，分解出每一時間段標準語音特征的母音節(jié)的頻譜能量分布以及輔音節(jié)的頻譜能量分布；
設置每一時間段內(nèi)標準語音特征的母音節(jié)MFCC特征向量，輔音節(jié)MFCC特征向量；
將每一時間段內(nèi)標準語音特征的母音節(jié)MFCC特征向量，輔音節(jié)MFCC特征向量儲存至數(shù)據(jù)庫中。
優(yōu)選地，步驟S1還包括：
S11將用戶語音數(shù)據(jù)按時間進行分段，分為n段，以20ms為一時間分段，對每一時間段用戶語音數(shù)據(jù)加矩形窗，或漢明窗處理得到分段語音信號Xn，n為分段數(shù)；
S12對分段語音信號Xn進行短時傅里葉變換，變換為頻域信號，將短時時域信號轉化為頻域信號Yn，并通過Qn＝│Yn│2計算其短時能量譜Qn；
S13采用先進先出的方式將短時能量譜Qn從矢量空間S移動至帶通濾波器進行濾波；由于每一個頻帶中分量的作用在人耳中是疊加的，因此將每個濾波器頻帶內(nèi)的能量進行疊加，這時第k個濾波器輸出功率譜x'(k)；
S14將每個濾波器的輸出取對數(shù)，得到相應頻帶的對數(shù)功率譜；并進行反離散余弦變換，得到M個MFCC系數(shù)，一般M取13～15個；MFCC系數(shù)為：
S15將得到的每一時間段的用戶語音MFCC特征作為靜態(tài)特征，再將所述靜態(tài)特征做一階和二階差分，得到相應的動態(tài)特征。
優(yōu)選地，步驟S1還包括：
獲取每一語音段頻率范圍的頻譜能量(fk)，該語音段內(nèi)的頻率上限值k1,下限值k2，獲取語音段內(nèi)的頻譜能量比值PNn；
優(yōu)選地，步驟S1還包括：
若語音段內(nèi)頻譜能量(fk)≥第一閾值，該語音段內(nèi)頻譜能量比值PNn≥第二閾值，則判斷此語音段為母音節(jié)；第一閾值0.1-0.5，第二閾值取60％-85％；
以具有母音節(jié)的頻譜能量為基準，判斷具有母音節(jié)的頻譜能量之前的頻譜能量的過零率是否大于第三閾值，若大于第三閾值，則斷定該頻譜能量為母音前的輔音節(jié)，第三閾值取100；
以具有母音節(jié)的頻譜能量為基準，判斷具有母音節(jié)的頻譜能量之后的頻譜能量的過零率是否大于第三閾值，若大于第三閾值，則判斷該頻譜能量為母音后的輔音；
若具有母音節(jié)的頻譜能量之后的頻譜能量的過零率大于第三閾值，且該頻譜能量為語音段的最后一幀，則判斷為鼻尾輔音。
優(yōu)選地，步驟S2還包括：
設置每一時間段內(nèi)用戶語音特征的母音節(jié)MFCC特征向量，輔音節(jié)MFCC特征向量；
使用DTW算法，得到一條誤差最小的對齊路徑以，得到一條誤差最小的對齊路徑和對應的DTW距離；
基于該對齊路徑和對應的DTW距離，將相同時間段內(nèi)用戶語音特征的母音節(jié)MFCC特征向量與標準語音特征的母音節(jié)MFCC特征向量進行語音比較以及將相同時間段內(nèi)用戶語音特征的輔音節(jié)MFCC特征向量與標準語音特征的輔音節(jié)MFCC特征向量進行語音比較，得出用戶語音特征與標準語音特征之間的發(fā)音差別。
優(yōu)選地，步驟S2還包括：
設置每一時間段內(nèi)標準語音特征的母音節(jié)標準語音特征向量為P1＝[p1(1),p1(2),…,p1(R)]，一階差分向量為PΔ1＝[pΔ1(1),pΔ1(2),…,pΔ1(R)](R為標準語音特征的母音節(jié)語音長度)，PΔ1(n)＝|p1(n)-p1(n-1)|,n＝1,2,…,R,p1(0)＝0；
設置每一時間段內(nèi)標準語音特征的輔音節(jié)標準語音特征向量為P’1＝[p’1(1)，p’1(2)，…，p’1(R)]，一階差分向量為P’Δ1＝[p’Δ1(1)，p’Δ1(2)，…，p’Δ1(R)](R為標準語音特征的語音長度)，P’Δ1(n)＝|p’1(n)-p’1(n-1)|，n＝1，2，…，R，p’1(0)＝0；
優(yōu)選地，步驟S2還包括：
設置每一時間段內(nèi)用戶語音特征的母音節(jié)特征向量為P2＝[p2(1),p2(2),…,p2(T)]，其一階差分向量為PΔ2＝[pΔ2(1),pΔ2(2),…,pΔ2(T)](T為待評價語音的長度)，PΔ2(n)＝|p2(n)-p2(n-1)|,n＝1,2,…,T,p2(0)＝0；
設置每一時間段內(nèi)用戶語音特征的輔音節(jié)特征向量為P’2＝[p’2(1)，p’2(2)，…，p’2(T)]，其一階差分向量為P’Δ2＝[p’Δ2(1)，p’Δ2(2)，…，p’Δ2(T)](T為待評價語音的長度)，
P’Δ2(n)＝|p’2(n)-p’2(n-1)|，n＝1，2，…，T，p’2(0)＝0；
使用DTW算法，得到一條誤差最小的對齊路徑以，得到一條誤差最小的對齊路徑，進行每一時間段內(nèi)的母音節(jié)和輔音節(jié)比較；
比較得出母音節(jié)的差距dp，以及變化量的差距Δdp，比較得出輔音節(jié)的差距d’p，以及變化量的差距Δd’p，來獲得用戶語音特征與標準語音特征的相似度，即：
dp＝|p1(n)-p2(m)|
d’p＝|p’1(n)-p’2(m)|
Δdp＝|Δp1(n)-Δp2(m)|
Δd’p＝|Δp’1(n)-Δp’2(m)|
其中，Δpi(n)＝|pi(n)-pi(n-1)|
Δp’i(n)＝|p’i(n)-p’i(n-1)|。
優(yōu)選地，步驟S3還包括：評分s為：
s＝ω1(ω11s11+ω12s12+……+ω1js1j)+ω2(ω21s21+ω22s22+……+ω2js2j)+……+ωn(ωn1sn1+ωn2sn2+……+ωnjsnj)
其中，ω1，ω2，ωn分別代表每一語音段的權重；
j代表每一語音段內(nèi)母音節(jié)加輔音節(jié)的總數(shù)量；
ω11，ω12……ω1j分別代表第一個語音段內(nèi)音節(jié)的權重；
s11，s12……+s1j，代表第一個語音段內(nèi)的各個音節(jié)；
ω21，ω22……ω2j分別代表第二個語音段內(nèi)音節(jié)的權重；
s21，s22……+s2j，代表第二個語音段內(nèi)的各個音節(jié)；
ωn1，ωn2……ωnj分別代表第n個語音段內(nèi)音節(jié)的權重；
sn1，sn2……+snj，代表第n個語音段內(nèi)的各個音節(jié)。
從以上技術方案可以看出，本發(fā)明具有以下優(yōu)點：
智能口語測評方法使得用戶與計算機獲取同樣的一片文本，進行朗讀對比，使用戶能夠獲悉到自己的口語與標準的口語有哪些詞語發(fā)音不準確，還需要在哪些詞語進行改進及進一步學習。這樣給學習者帶來了學習語言的便捷性，提高外語學習的效率，增加用戶學習興趣。
附圖說明
圖1為智能口語測評方法的流程圖。
具體實施方式
為使得本發(fā)明的發(fā)明目的、特征、優(yōu)點能夠更加的明顯和易懂，下面將運用具體的實施例及附圖，對本發(fā)明保護的技術方案進行清楚、完整地描述，顯然，下面所描述的實施例僅僅是本發(fā)明一部分實施例，而非全部的實施例?；诒緦＠械膶嵤├?，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本專利保護的范圍。
本發(fā)明提供一種智能口語測評方法，如圖1所示，本方法采用一標準朗讀文本，計算機先獲取該標準朗讀文本的內(nèi)容，并獲取標準朗讀文本的標準讀音。本發(fā)明所涉及的方法是基于計算機硬件配合相應的程序實現(xiàn)。這樣用戶與計算機獲取同樣的一片文本，進行朗讀對比，使得用戶能夠獲悉到自己的口語與標準的口語有哪些詞語發(fā)音不準確，還需要在哪些詞語進行改進及進一步學習。這樣給學習者帶來了學習語言的便捷性，提高外語學習的效率，增加用戶學習興趣。
方法包括：
S1：使用計算機的錄音設備獲取用戶的口語語音數(shù)據(jù)信息，提取用戶語音數(shù)據(jù)中的用戶語音特征；
S2：將用戶語音特征與標準語音特征進行對齊，并將用戶語音特征中的母音，輔音分別對應與標準語音特征的母音，輔音進行對比，形成對比數(shù)據(jù)信息；
S3：將對比數(shù)據(jù)信息進行評分；
S4：將對比數(shù)據(jù)信息及評分結果儲存至數(shù)據(jù)庫中。
步驟S1之前還包括：設置標準朗讀文本，獲取標準朗讀文本的標準語音特征；
將標準語音特征按時間進行分段，分為n段，以20ms為一時間分段；
將每一時間段標準語音特征分為靜態(tài)特征及動態(tài)特征；
將每一時間段標準語音特征的頻譜能量進行分解，分解出每一時間段標準語音特征的母音節(jié)的頻譜能量分布以及輔音節(jié)的頻譜能量分布；
設置每一時間段內(nèi)標準語音特征的母音節(jié)MFCC特征向量，輔音節(jié)MFCC特征向量；
將每一時間段內(nèi)標準語音特征的母音節(jié)MFCC特征向量，輔音節(jié)MFCC特征向量儲存至數(shù)據(jù)庫中。
步驟S1還包括：
S11將用戶語音數(shù)據(jù)按時間進行分段，分為n段，以20ms為一時間分段，對每一時間段用戶語音數(shù)據(jù)加矩形窗，或漢明窗處理得到分段語音信號Xn，n為分段數(shù)；
S12對分段語音信號Xn進行短時傅里葉變換，變換為頻域信號，將短時時域信號轉化為頻域信號Yn，并通過Qn＝│Yn│2計算其短時能量譜Qn；
S13采用先進先出的方式將短時能量譜Qn從矢量空間S移動至帶通濾波器進行濾波；由于每一個頻帶中分量的作用在人耳中是疊加的，因此將每個濾波器頻帶內(nèi)的能量進行疊加，這時第k個濾波器輸出功率譜x'(k)；
S14將每個濾波器的輸出取對數(shù)，得到相應頻帶的對數(shù)功率譜；并進行反離散余弦變換，得到M個MFCC系數(shù)，一般M取13～15個；MFCC系數(shù)為：
S15將得到的每一時間段的用戶語音MFCC特征作為靜態(tài)特征，再將所述靜態(tài)特征做一階和二階差分，得到相應的動態(tài)特征。
本實施例中，步驟S1還包括：
獲取每一語音段頻率范圍的頻譜能量(fk)，該語音段內(nèi)的頻率上限值k1,下限值k2，獲取語音段內(nèi)的頻譜能量比值PNn；
步驟S1還包括：
若語音段內(nèi)頻譜能量(fk)≥第一閾值，該語音段內(nèi)頻譜能量比值PNn≥第二閾值，則判斷此語音段為母音節(jié)；第一閾值0.1-0.5，第二閾值取60％-85％；
以具有母音節(jié)的頻譜能量為基準，判斷具有母音節(jié)的頻譜能量之前的頻譜能量的過零率是否大于第三閾值，若大于第三閾值，則斷定該頻譜能量為母音前的輔音，第三閾值取100；
以具有母音節(jié)的頻譜能量為基準，判斷具有母音節(jié)的頻譜能量之后的頻譜能量的過零率是否大于第三閾值，若大于第三閾值，則判斷該頻譜能量為母音后的輔音；
若具有母音節(jié)的頻譜能量之后的頻譜能量的過零率大于第三閾值，且該頻譜能量為語音段的最后一幀，則判斷為鼻尾輔音。
將用戶的每一語音段進行分解得出母音節(jié)，輔音節(jié)以及在語音段的最后一幀是否有鼻尾輔音，鼻尾輔音即為鼻音。
在計算機預先設置了標準朗讀文本中每一語音段的母音節(jié)，輔音節(jié)以及在語音段的最后一幀是否有鼻尾輔音，鼻尾輔音即為鼻音。將用戶朗讀的每一語音段的母音節(jié)，輔音節(jié)以及在語音段的最后一幀的鼻尾輔音，分別與標準語音特征進行比較。
本實施例中，步驟S2還包括：
設置每一時間段內(nèi)用戶語音特征的母音節(jié)MFCC特征向量，輔音節(jié)MFCC特征向量；
使用DTW算法，得到一條誤差最小的對齊路徑以，得到一條誤差最小的對齊路徑和對應的DTW距離；
基于該對齊路徑和對應的DTW距離，將相同時間段內(nèi)用戶語音特征的母音節(jié)MFCC特征向量與標準語音特征的母音節(jié)MFCC特征向量進行語音比較以及將相同時間段內(nèi)用戶語音特征的輔音節(jié)MFCC特征向量與標準語音特征的輔音節(jié)MFCC特征向量進行語音比較，得出用戶語音特征與標準語音特征之間的發(fā)音差別。
本實施例中，步驟S2還包括：
設置每一時間段內(nèi)標準語音特征的母音節(jié)標準語音特征向量為P1＝[p1(1),p1(2),…,p1(R)]，一階差分向量為PΔ1＝[pΔ1(1),pΔ1(2),…,pΔ1(R)](R為標準語音特征的母音節(jié)語音長度)，PΔ1(n)＝|p1(n)-p1(n-1)|,n＝1,2,…,R,p1(0)＝0；
設置每一時間段內(nèi)標準語音特征的輔音節(jié)標準語音特征向量為P’1＝[p’1(1)，p’1(2)，…，p’1(R)]，一階差分向量為P’Δ1＝[p’Δ1(1)，p’Δ1(2)，…，p’Δ1(R)](R為標準語音特征的語音長度)，P’Δ1(n)＝|p’1(n)-p’1(n-1)|，n＝1，2，…，R，p’1(0)＝0；
步驟S2還包括：
設置每一時間段內(nèi)用戶語音特征的母音節(jié)特征向量為P2＝[p2(1),p2(2),…,p2(T)]，其一階差分向量為PΔ2＝[pΔ2(1),pΔ2(2),…,pΔ2(T)](T為待評價語音的長度)，PΔ2(n)＝|p2(n)-p2(n-1)|,n＝1,2,…,T,p2(0)＝0；
設置每一時間段內(nèi)用戶語音特征的輔音節(jié)特征向量為P’2＝[p’2(1)，p’2(2)，…，p’2(T)]，其一階差分向量為P’Δ2＝[p’Δ2(1)，p’Δ2(2)，…，p’Δ2(T)](T為待評價語音的長度)，
P’Δ2(n)＝|p’2(n)-p’2(n-1)|，n＝1，2，…，T，p’2(0)＝0；
使用DTW算法，得到一條誤差最小的對齊路徑以，得到一條誤差最小的對齊路徑，進行每一時間段內(nèi)的母音節(jié)和輔音節(jié)比較；
比較得出母音節(jié)的差距dp，以及變化量的差距Δdp，比較得出輔音節(jié)的差距d’p，以及變化量的差距Δd’p，來獲得用戶語音特征與標準語音特征的相似度，即：
dp＝|p1(n)-p2(m)|
d’p＝|p’1(n)-p’2(m)|
Δdp＝|Δp1(n)-Δp2(m)|
Δd’p＝|Δp’1(n)-Δp’2(m)|
其中，Δpi(n)＝|pi(n)-pi(n-1)|
Δp’i(n)＝|p’i(n)-p’i(n-1)|。
步驟S3還包括：評分s為：
s＝ω1(ω11s11+ω12s12+……+ω1js1j)+ω2(ω21s21+ω22s22+……+ω2js2j)+……+ωn(ωn1sn1+ωn2sn2+……+ωnjsnj)
其中，ω1，ω2，ωn分別代表每一語音段的權重；
j代表每一語音段內(nèi)母音節(jié)加輔音節(jié)的總數(shù)量；
ω11，ω12……ω1j分別代表第一個語音段內(nèi)音節(jié)的權重；
s11，s12……+s1j，代表第一個語音段內(nèi)的各個音節(jié)；
在第一個語音段內(nèi)如果第一個音節(jié)是輔音節(jié)則s11為輔音節(jié)，如果第一個音節(jié)是母音節(jié)則s11為母音節(jié)；如果第一個音節(jié)是輔音節(jié)則s12為輔音節(jié)，如果第一個音節(jié)是母音節(jié)則s12為母音節(jié)；每一個語音段以此類推。
ω21，ω22……ω2j分別代表第二個語音段內(nèi)音節(jié)的權重；
s21，s22……+s2j，代表第二個語音段內(nèi)的各個音節(jié)；
ωn1，ωn2……ωnj分別代表第n個語音段內(nèi)音節(jié)的權重；
sn1，sn2……+snj，代表第n個語音段內(nèi)的各個音節(jié)。
各個權重參數(shù)，是經(jīng)由大量的實驗得出，也可以由每一語音段的權重比例分配得知。也可以根據(jù)每一語音段對于文本的重要性設定。也可以由研發(fā)人員基于大量實驗后得出最佳效果進行設定。