音素级的发音纠错方法、装置、设备及存储介质
公开
摘要
本申请公开了一种音素级的发音纠错方法、装置、设备及存储介质,属于计算机与互联网技术领域。所述方法包括:获取跟读文本对应的跟读音频数据;获取跟读音频数据中各个音频帧分别对应的音频特征,以及获取跟读文本包含的音素的音素特征;将各个音频帧分别对应的音频特征与音素特征分别进行融合,得到各个音频帧分别对应的融合特征;根据各个音频帧分别对应的融合特征,获取跟读音频数据包含的至少一个音素数据,以及各个音素数据的读错概率;基于各个音素数据的读错概率,确定跟读音频数据中的读错音素。本申请中,不需要依据跟读文本包含的音素生成标准发音数据,简化音素判错流程,提高音素判错的处理效率。
基本信息
专利标题 :
音素级的发音纠错方法、装置、设备及存储介质
专利标题(英):
暂无
公开(公告)号 :
CN114360505A
申请号 :
CN202111424491.9
公开(公告)日 :
2022-04-15
申请日 :
2021-11-26
授权号 :
暂无
授权日 :
暂无
发明人 :
林炳怀王丽园
申请人 :
腾讯科技(深圳)有限公司
申请人地址 :
广东省深圳市南山区高新区科技中一路腾讯大厦35层
代理机构 :
北京三高永信知识产权代理有限责任公司
代理人 :
李文静
优先权 :
CN202111424491.9
主分类号 :
G10L15/02
IPC分类号 :
G10L15/02 G10L15/06 G10L15/26 G10L25/60 G06K9/62
IPC结构图谱
G
G部——物理
G10
乐器;声学
G10L
语音分析或合成;语音识别;语音或声音处理;语音或音频编码或解码
G10L15/00
语音识别
G10L15/02
语音识别的特征提取;识别单位的选择
法律状态
2022-04-15 :
公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载