種口語評測方法及系統(tǒng)，首先利用第一系統(tǒng)對待評測的語音數(shù)據(jù)進(jìn)行評分，得到第一評分結(jié)果；然后判斷第一評分結(jié)果是否滿足第一條件，如果是，則輸出所述第一評分結(jié)果，否則，利用第二系統(tǒng)對所述語音數(shù)據(jù)進(jìn)行評分，得到第二評分結(jié)果；隨后判斷第二評分結(jié)果是否滿足第二條件，如果是，則對所述第一評分結(jié)果和所述第二評分結(jié)果進(jìn)行融合，得到第一融合評分結(jié)果并作為最終評分結(jié)果輸出，否則，利用第三系統(tǒng)對所述語音數(shù)據(jù)進(jìn)行評分，得到第三評分結(jié)果；最后對所述第一評分結(jié)果、第二評分結(jié)果和第三評分結(jié)果進(jìn)行融合，得到第二融合評分結(jié)果并作為最終評分結(jié)果輸出。
[0050]如圖1所示，是本發(fā)明實(shí)施例口語評測方法的流程圖，包括以下步驟:
[0051]步驟101，接收待評測的語音數(shù)據(jù)。
[0052]步驟102，利用第一系統(tǒng)對所述語音數(shù)據(jù)進(jìn)行評分，得到第一評分結(jié)果。
[0053]現(xiàn)有的多系統(tǒng)融合口語評測系統(tǒng)對所有單系統(tǒng)評分結(jié)果進(jìn)行融合，因此，對單系統(tǒng)運(yùn)行的先后順序沒有特定要求。本評測方法從提高系統(tǒng)運(yùn)算效率的角度出發(fā)，為了盡可能快的生成評測結(jié)果，其各單系統(tǒng)的評測順序相當(dāng)重要。第一系統(tǒng)應(yīng)該能較準(zhǔn)確地解決大部分的評測問題。
[0054]具體地，對于第一系統(tǒng)的選擇方法包括以下兩種:
[0055]I)預(yù)先設(shè)置，即在系統(tǒng)運(yùn)行前就設(shè)定好第一系統(tǒng)，在系統(tǒng)運(yùn)行中不再改變。對于預(yù)先設(shè)置的多個(gè)評測系統(tǒng)，可以選擇其中任意一個(gè)評測系統(tǒng)作為第一系統(tǒng)，也可以根據(jù)在相關(guān)測試集合上的識別置信度和評測結(jié)果，選擇具有最優(yōu)性能或最魯棒的系統(tǒng)作為第一系統(tǒng)。
[0056]2)實(shí)時(shí)選擇，系統(tǒng)可以根據(jù)當(dāng)前運(yùn)行環(huán)境，或者根據(jù)待評測的語音數(shù)據(jù)的特點(diǎn)等，實(shí)時(shí)選擇具有最佳表現(xiàn)的系統(tǒng)作為第一系統(tǒng)。比如:DNN(Deep Neural Network,深層神經(jīng)網(wǎng)絡(luò))對于訓(xùn)練數(shù)據(jù)有較強(qiáng)的表示能力，加入低信噪比訓(xùn)練數(shù)據(jù)而得到的DNN識別系統(tǒng)有一定的抗噪能力，如果當(dāng)前系統(tǒng)的運(yùn)行環(huán)境相對較差，或者待評測數(shù)據(jù)信噪比偏低，可以實(shí)時(shí)選擇基于DNN識別的系統(tǒng)作為第一系統(tǒng)，否則選擇基于BN(Bottle-Neck)識別的系統(tǒng)或者基于 GMM_HMM(Gaussian Mixture Model-Hidden Markov Model,高斯混合模型-隱馬爾科夫模型)識別的系統(tǒng)作為第一系統(tǒng)。
[0057]需要說明的是，由于預(yù)先設(shè)置和實(shí)時(shí)選擇兩種方法選擇第一系統(tǒng)的依據(jù)不同，所以適用的場景也不同。對于已知語音評測數(shù)據(jù)部分特性、系統(tǒng)當(dāng)前運(yùn)行情況的應(yīng)用場景，實(shí)時(shí)選擇第一系統(tǒng)的方法，可以在保證評測效果的基礎(chǔ)上，更快地得到最終評測結(jié)果；對于已有相關(guān)測試集上的評測結(jié)果的應(yīng)用場景，預(yù)先設(shè)置第一系統(tǒng)(比如基于Bottle Neck識別的系統(tǒng))的方法更具優(yōu)勢。
[0058]步驟103，判斷第一評分結(jié)果是否滿足第一條件。
[0059]所述第一條件可以根據(jù)不同的應(yīng)用場景及需求來確定，比如，可以是所述第一評分結(jié)果高于設(shè)定分值；或者是所述第一系統(tǒng)的識別置信度高于設(shè)定門限。
[0060]通過判斷第一評分結(jié)果是否滿足第一條件，可以有效避免將高分?jǐn)?shù)據(jù)評低的問題，進(jìn)而提高評測精度。
[0061]在本實(shí)施例中，為了降低將高分?jǐn)?shù)據(jù)評低的風(fēng)險(xiǎn)，第一條件可以選擇為第一評分結(jié)果是否高于80分(百分制)；為了提高多系統(tǒng)融合的效率，第一條件可以簡單地選擇為第一系統(tǒng)的識別置信度是否高于設(shè)定門限。
[0062]進(jìn)一步地，如果第一評分結(jié)果滿足第一條件，則執(zhí)行步驟109，輸出所述第一評分結(jié)果；否則，執(zhí)行步驟104。
[0063]步驟104，利用第二系統(tǒng)對所述語音數(shù)據(jù)進(jìn)行評分，得到第二評分結(jié)果。
[0064]不同的語音識別系統(tǒng)基于不同的聲學(xué)特征，如基于PLP (Perceptual LinearPredictive,感知線性預(yù)測)特征的聲學(xué)模型，或采用不同的聲學(xué)模型，如基于DNN的神經(jīng)網(wǎng)絡(luò)聲學(xué)模型，甚或采用不同的解碼方式如Viterbi搜索，對語音數(shù)據(jù)解碼。
[0065]由于不同的語音識別系統(tǒng)具有不同的解碼優(yōu)勢，其識別結(jié)果之間往往具有一定的互補(bǔ)性，因此第二系統(tǒng)應(yīng)該對第一系統(tǒng)有相應(yīng)的補(bǔ)充作用，以提高評測的準(zhǔn)確性。
[0066]對于第二系統(tǒng)的選擇方法同樣有預(yù)先設(shè)置和實(shí)時(shí)選擇兩種，具體可參考第一系統(tǒng)的選擇方法，此處不再詳述。
[0067]步驟105，判斷所述第二評分結(jié)果是否滿足第二條件。
[0068]所述第二條件同樣可以根據(jù)不同的應(yīng)用場景及需求來確定，比如，可以是所述第一評分結(jié)果與所述第二評分結(jié)果的差值小于設(shè)定差值等。
[0069]通過判斷第二評分結(jié)果是否滿足第二條件，可以在一定程度上降低單個(gè)語音評測系統(tǒng)異常或者評測對象異常導(dǎo)致的得分異常情況，進(jìn)而提高評測精度。
[0070]在本實(shí)施例中，為了降低單個(gè)語音評測系統(tǒng)異?；蛘咴u測對象異常導(dǎo)致的得分異常情況，所述第二條件可以設(shè)置為所述第一評分結(jié)果與所述第二評分結(jié)果的差值小于設(shè)定差值(比如4%)。
[0071]需要說明的是，在實(shí)際應(yīng)用中，還可以根據(jù)不同考試類型加載相應(yīng)的適合本類型考試的語音評測系統(tǒng)，通過對同一類型評測系統(tǒng)對不同評測對象的評測結(jié)果進(jìn)行比較，提前判斷出系統(tǒng)運(yùn)行狀況，排除系統(tǒng)異常導(dǎo)致的得分異常情況，從而進(jìn)一步提高系統(tǒng)的運(yùn)算效率和評測精度。
[0072]進(jìn)一步地，如果第二評分結(jié)果滿足第二條件，則執(zhí)行步驟106 ;否則，執(zhí)行步驟107。
[0073]步驟106，對所述第一評分結(jié)果和第二評分結(jié)果進(jìn)行融合，得到第一融合評分結(jié)果，然后執(zhí)行步驟109，輸出第一融合評分結(jié)果。
[0074]在本實(shí)施例中，為了有效降低將高分?jǐn)?shù)據(jù)評低導(dǎo)致的評分結(jié)果異常情況，可以采取多種融合方式，比如，取第一評分結(jié)果和第二評分結(jié)果中較高的評分結(jié)果作為第一融合評分結(jié)果，當(dāng)然也可以采用其它融合方式，對此本發(fā)明實(shí)施例不做限定。
[0075]實(shí)際應(yīng)用中，對于運(yùn)行了互補(bǔ)性較強(qiáng)的第一系統(tǒng)(比如Bottle Neck)和第二系統(tǒng)(比如GMM-HMM)的預(yù)評測數(shù)據(jù)，如果第一系統(tǒng)與第二系統(tǒng)的評分結(jié)果相差不大(比如差別不超過4%)，則不需要運(yùn)行第三系統(tǒng)，直接將所述第一評分結(jié)果和第二評分結(jié)果進(jìn)行融合，得到第一融合評分結(jié)果；并將其作為最終評分結(jié)果輸出。
[0076]步驟107，利用第三系統(tǒng)對所述語音數(shù)據(jù)進(jìn)行評分，得到第三評分結(jié)果。
[0077]所述第三系統(tǒng)對所述第一系統(tǒng)和第二系統(tǒng)具有一定的互補(bǔ)性(完整性、準(zhǔn)確性、流利度等)。
[0078]由于不同的語音評測系統(tǒng)采用了不同的識別算法或聲學(xué)模型，往往具有不同的識別結(jié)果，相應(yīng)的評測得分也不盡相同，評分結(jié)果之間也存在一定的互補(bǔ)性。
[0079]對于第三系統(tǒng)的選擇方法同樣有預(yù)先設(shè)置和實(shí)時(shí)選擇兩種，具體可參考第一系統(tǒng)的選擇方法，此處不再詳述。
[0080]步驟108，對所述第一評分結(jié)果、第二評分結(jié)果和第三評分結(jié)果進(jìn)行融合，得到第二融合評分結(jié)果。
[0081]為了有效降低將高分?jǐn)?shù)據(jù)評低導(dǎo)致的評分結(jié)果異常情況，取第一評分結(jié)果、第二評分結(jié)果和第三評分結(jié)果中的最高評分結(jié)果作為第二融合評分結(jié)果。
[0082]需要說明的是，實(shí)際應(yīng)用中，在不同的應(yīng)用場景下，