CN116013286A - 一种英语阅读能力的智能评测方法、***、设备及介质 - Google Patents
一种英语阅读能力的智能评测方法、***、设备及介质 Download PDFInfo
- Publication number
- CN116013286A CN116013286A CN202211558336.0A CN202211558336A CN116013286A CN 116013286 A CN116013286 A CN 116013286A CN 202211558336 A CN202211558336 A CN 202211558336A CN 116013286 A CN116013286 A CN 116013286A
- Authority
- CN
- China
- Prior art keywords
- reading
- audio
- english
- user terminal
- data packet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000004806 packaging method and process Methods 0.000 claims abstract description 12
- 238000012937 correction Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 230000001915 proofreading effect Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000012634 fragment Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 102220588433 Keratin, type I cytoskeletal 18_S42A_mutation Human genes 0.000 description 1
- 102220588444 Keratin, type I cytoskeletal 18_S44A_mutation Human genes 0.000 description 1
- 102220484577 Protein NDNF_S43A_mutation Human genes 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请涉及一种英语阅读能力的智能评测方法、***、设备及介质,其包括步骤当接收到来自用于与学生身份信息绑定的用户终端的英语阅读的测评请求时,将预选定的阅读文本发送至用户终端;当接收到来自用户终端根据阅读文本产生的音频数据时,将音频数据发送至语音识别模型;语音识别模型基于阅读文本筛选出预选关联的阅读文本的标准音频;将标准音频和关联的音频数据打包生成阅读数据包;将阅读数据包发送至与用户终端绑定的教师终端。本申请具有减少关于学生的英语阅读能力评测的人力成本和时间成本,提高英语阅读能力评测的效率的效果。
Description
技术领域
本申请涉及英语阅读的技术领域,尤其是涉及一种英语阅读能力的智能评测方法、***、设备及介质。
背景技术
传统的,对于学生的英语阅读能力评测,普遍通过教师现场听取学生阅读,并依据自身经验评价学生英语阅读的质量和水平的方式。
但教师的时间和经历有限,课堂中对学生一一对应进行阅读能力评测的时间成本和人力成本过高,且效率较低,因此需要对学生的英语阅读能力测评方式进行改进。
发明内容
为了减少关于学生的英语阅读能力评测的人力成本和时间成本,提高英语阅读能力评测的效率,本申请提供了一种英语阅读能力的智能评测方法、***、设备及介质。
本申请的上述发明目的一是通过以下技术方案得以实现的:
一种英语阅读能力的智能评测方法,包括步骤:
当接收到来自用于与学生身份信息绑定的用户终端的英语阅读的测评请求时,将预选定的阅读文本发送至用户终端;
当接收到来自用户终端根据阅读文本产生的音频数据时,将音频数据发送至语音识别模型;
语音识别模型基于阅读文本筛选出预选关联的阅读文本的标准音频;
将标准音频和关联的音频数据打包生成阅读数据包;
将阅读数据包发送至与用户终端绑定的教师终端。
通过采用上述技术方案,学生再课余时间,通过用户终端发送测评请求以获取预选定的阅读文本,进一步学生能够根据获取到的英语单词、句子的阅读文本进行阅读或跟读,并将学生阅读时的音频进行录音保存,得到音频数据,进一步再语音识别模型中自动识别学生阅读的音频数据对应的标准音频,即该英语单子、句子标准发音的音频,将音频数据和标准音频进行打包得到阅读数据包,并将阅读数据包发哦是那个之与用户终端绑定的教师终端,即任课老师可以通过教师终端,再课余时间对本班级学生的英语阅读能力进行逐个、快速的评测,节省时间成本和人力成本,且老师通过标准音频和学生的音频数据作为参考对比,更易对学生的阅读能力做出评测,提高英语阅读能力评测的效率。
本申请在一较佳示例中:若阅读文本的类型为单词类型,所述将标准音频和关联的音频数据打包生成阅读数据包的步骤之后,执行如下步骤:
将阅读数据包发送至音频校对模型;
音频校对模型依据比对规则比较阅读数据包中音频数据与标准音频的近似度,输出单词类近似值;
将单词类近似值输入至阅读数据包中。
通过采用上述技术方案,若阅读文本仅为单个单词,则生成阅读数据包后,进一步将阅读数据包发送至音频校对模型,通过语音识别功能将学生阅读的音频数据与标准音频进行相似度的比对,得到单词类近似值并输入至阅读数据包中,以此作为学生阅读能力一个维度的评测,以协助老师对学生英语阅读准确性的判断。
本申请在一较佳示例中:若阅读文本的类型为句子类型,则所述将阅读数据包发送至音频校对模型的步骤之后,执行如下步骤:
音频校对模型基于阅读文本中预选定的关键词组,筛选出关键词组对应的标准音频;
依据比对规则将关键词组的音频数据与关键词组的标准音频进行近似度比较,输出句子类近似值;
将句子类近似值输入至阅读数据包中。
通过采用上述技术方案,为了更好的评测学生对于终端单词组的掌握,同时也为了节省音频数据与标准音频比较的耗时,则当阅读文本的类型为句子类型,仅提取阅读文本中的关键词组,并仅比较关键词组的音频数据和关键词组的标准音频,以实现对阅读文本中重点单词词组近似值的比较,将句子类近似值输入阅读数据包,结合教师对整段阅读文本的评测,能够更为全面、准确地评价学生的英语阅读能力。
本申请在一较佳示例中:所述音频校对模型依据比对规则比较阅读数据包中音频数据与标准音频的近似度,输出单词类近似值的步骤,具体为:
音频校对模型获取音频数据的音频特征信息;
基于阅读文本向云平台获取标准音频的标准特征信息;
将音频特征信息与标准特征信息进行一一比对,基于各音频特征信息与标准特征信息的比对结果,计算得到单词类近似值。
通过采用上述技术方案,通过提取学生阅读的音频中的音频特征,即通过单词各个音节的语音的波形进行分帧,并将音频数据的声音波形与标准音频的声音波形进行逐帧比对,通过波形的重合情况进行近似都的判定,得到单词类近似值,由于语音的识别需要庞大的数据库,因此将近似度的比对放置再云平台进行,能够提升比对的效率。
本申请在一较佳示例中:所述当接收到来自用户终端根据阅读文本产生的音频数据时,将音频数据发送至语音识别模型的步骤之后,执行如下步骤:
当音频数据发送至语音识别模型时,开启预设间隔时长的倒计时;
当预设间隔时长的倒计时结束时,将预选定的下一个阅读文本发送至用户终端,间隔时长由用户终端进行自定义设置。
通过采用上述技术方案,当学生通过用户终端完成一个英语单词或句子段落的阅读,并生成音频数据后,通过设置预设间隔时长,用户终端可实现自动切换英语单词、句子段落的阅读,且间隔时长可由用户终端自定义设置,方便学生进行连续的英语阅读练习,间隔时长的调节提升用户体验感。
本申请在一较佳示例中:英语阅读能力的智能评测方法还包括步骤:
获取用户终端过往所生成的所有句子类近似值,并计算句子类近似值的平均值;
识别平均值所属的近似值区间;
基于近似值区间获取关联的预设间隔时间;
将阅读文本发送的间隔时长调整为获取到的间隔时间。
通过采用上述技术方案,通过对各个学生历史阅读练***均值,并通过确定平均值所在的近似值区间,近似值区间从0%-100%,不同的近似值区间对应不同的间隔时间,其中,平均值越大则对应的近似值区间越大、间隔时长越段,即能够通过不同学生的阅读能力自动调整阅读文本切换的间隔时长,阅读能力较好的学生其需要的间隔时长越短,阅读能力较差的学生则间隔时长较长,进而为阅读能力较差的学生提供更好的阅读体验,为阅读能力较好的学生提供更为高效的阅读评测。
本申请的上述发明目的二是通过以下技术方案得以实现的:
一种英语口语的智能评测***,包括:
测评请求模块,用于当接收到来自用于与学生身份信息绑定的用户终端的英语阅读的测评请求时,将预选定的阅读文本发送至用户终端;
音频发送模块,用于当接收到来自用户终端根据阅读文本产生的音频数据时,将音频数据发送至语音识别模型;
标准音频模块,用于语音识别模型基于阅读文本筛选出预选关联的阅读文本的标准音频;
音频打包模块,用于将标准音频和关联的音频数据打包生成阅读数据包;
数据包发送模块,用于将阅读数据包发送至与用户终端绑定的教师终端。
通过采用上述技术方案,学生再课余时间,通过用户终端发送测评请求以获取预选定的阅读文本,进一步学生能够根据获取到的英语单词、句子的阅读文本进行阅读或跟读,并将学生阅读时的音频进行录音保存,得到音频数据,进一步再语音识别模型中自动识别学生阅读的音频数据对应的标准音频,即该英语单子、句子标准发音的音频,将音频数据和标准音频进行打包得到阅读数据包,并将阅读数据包发哦是那个之与用户终端绑定的教师终端,即任课老师可以通过教师终端,再课余时间对本班级学生的英语阅读能力进行逐个、快速的评测,节省时间成本和人力成本,且老师通过标准音频和学生的音频数据作为参考对比,更易对学生的阅读能力做出评测,提高英语阅读能力评测的效率。
可选的,若阅读文本的类型为单词类型,还包括:
音频校对模块,用于将阅读数据包发送至音频校对模型;
近似值模块,用于音频校对模型依据比对规则比较阅读数据包中音频数据与标准音频的近似度,输出单词类近似值;
单词类近似值输入模块,用于将单词类近似值输入至阅读数据包中。
通过采用上述技术方案,
本申请的上述目的三是通过以下技术方案得以实现的:
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种英语阅读能力的智能评测方法的步骤。
本申请的上述目的四是通过以下技术方案得以实现的:
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程序,所述计算机程序被处理器执行时实现上述一种英语阅读能力的智能评测方法的步骤。
综上所述,本申请包括以下至少一种有益技术效果:
1.任课老师可以通过教师终端,再课余时间对本班级学生的英语阅读能力进行逐个、快速的评测,节省时间成本和人力成本,且老师通过标准音频和学生的音频数据作为参考对比,更易对学生的阅读能力做出评测,提高英语阅读能力评测的效率;
2.若阅读文本仅为单个单词,则生成阅读数据包后,进一步将阅读数据包发送至音频校对模型,通过语音识别功能将学生阅读的音频数据与标准音频进行相似度的比对,得到单词类近似值并输入至阅读数据包中,以此作为学生阅读能力一个维度的评测,以协助老师对学生英语阅读准确性的判断;
3.为了更好的评测学生对于终端单词组的掌握,同时也为了节省音频数据与标准音频比较的耗时,则当阅读文本的类型为句子类型,仅提取阅读文本中的关键词组,并仅比较关键词组的音频数据和关键词组的标准音频,以实现对阅读文本中重点单词词组近似值的比较,将句子类近似值输入阅读数据包,结合教师对整段阅读文本的评测,能够更为全面、准确地评价学生的英语阅读能力;
4.当学生通过用户终端完成一个英语单词或句子段落的阅读,并生成音频数据后,通过设置预设间隔时长,用户终端可实现自动切换英语单词、句子段落的阅读,且间隔时长可由用户终端自定义设置,方便学生进行连续的英语阅读练习,间隔时长的调节提升用户体验感。
附图说明
图1是本申请一种英语阅读能力的智能评测方法实施例的一实现流程图;
图2是本申请一种英语阅读能力的智能评测方法实施例中的一界面展示图;
图3是本申请一种英语阅读能力的智能评测方法实施例中的另一界面展示图;
图4是本申请一种英语阅读能力的智能评测方法实施例中步骤S40之后的一实现流程图;
图5是本申请一种英语阅读能力的智能评测方法实施例中步骤S41之后的另一实现流程图;
图6是本申请一种英语阅读能力的智能评测方法实施例中步骤S42的一实现流程图;
图7是本申请一种英语阅读能力的智能评测方法实施例中的另一实现流程图;
图8是本申请一种英语阅读能力的智能评测***的一原理框图。
具体实施方式
以下结合附图1-8对本申请作进一步详细说明。
在一实施例中,如图1所示,本申请公开了一种英语阅读能力的智能评测方法,具体包括如下步骤:
S10:当接收到来自用于与学生身份信息绑定的用户终端的英语阅读的测评请求时,将预选定的阅读文本发送至用户终端;
在本实施例中,用户终端为供学生使用的智能手机、平板电脑等移动终端或PC端。学生通过用户终端登录APP发送测评请求,阅读文本包括了英语单词、单个的英文句子以及单段的英语文段等阅读类型,参照图2,学生通过用户终端可进行自定义选择阅读文本的阅读类型,即选择单词本或句子本,进一步进行阅读文本的预选定,阅读文本与该学生的当前的年级相对应。
具体的,学生通过自身身份信息登录用户终端后,发出请求进行英语阅读能力测评的测评请求以选择阅读文本的阅读类型,选定阅读类型后,基于测评请求所选择的阅读文本,预设的英语单词、句子库将对应的阅读类型对应与选定的阅读文本发送至用户终端。
S20:当接收到来自用户终端根据阅读文本产生的音频数据时,将音频数据发送至语音识别模型;
在本实施例中,学生通过用户终端所展示的阅读文本进行阅读或跟读并录音,能够得到该学生的音频数据,音频数据为学生阅读的音频;
语音识别模型为经过训练的用于根据阅读文本筛选该音频数据对应的标准音频的线性模型。
具体的,参照图3,学生接收到阅读文本后,通过用户终端触发录音功能,并拼读出对应的阅读文本,得到音频数据,其中,音频数据按单元名进行保存,重新录音则音频数据被覆盖。进一步将音频数据发送至语音识别模型。
S30:语音识别模型基于阅读文本筛选出预选关联的阅读文本的标准音频;
在本实施例中,标准音频为该阅读文本预先录制完毕的发音标准,可由专业人员进行提前录制。
具体的,由于每个标准音频均预先关联其对应的阅读文本,每个标准音频关联一个阅读文本,因此,语音识别模型能够通过阅读文本筛选出本次学生阅读的音频数据对应的标准音频。
S40:将标准音频和关联的音频数据打包生成阅读数据包;
在本实施例中,标准音频和学生的音频数据打包成阅读数据包后,方便对学生的阅读能力进行评测。
若阅读文本为整个英文段落,则将段落中每句英文的音频数据和标准音频进行单独打包。
具体的,将学生根据阅读文本产生的录音与该录音的标准发音的数据进行打包,得到该学生的阅读数据包。
S50:将阅读数据包发送至与用户终端绑定的教师终端。
在本实施例中,教师终端为供老师使用的智能手机、平板电脑或PC端,英语老师通过教师终端能够与其班级学生的用户终端进行绑定。
具体的,将学生本次英语阅读测评产生的所有阅读数据包发送至教师终端。
在一实施例中,若阅读文本的类型为单词类型,参照图4,步骤S40之后执行如下步骤:
S41:将阅读数据包发送至音频校对模型;
S42:音频校对模型依据比对规则比较阅读数据包中音频数据与标准音频的近似度,输出单词类近似值;
S43:将单词类近似值输入至阅读数据包中。
在本实施例中,音频校对模型为经过训练且与大数据云平台通信连接的特征比对模型。
比对规则为预设的用于比对音频的波形相似度的规则。
具体的,将阅读数据包发送至音频校对模型,音频校对模型接收到阅读数据后比较阅读数据包中音频数据与标准音频的相似度,并依据比对规则得到音频数据与标准音频的近似值,近似值从0%至100%,并将得到的近似值输入至阅读数据包中一同发送至教师终端。
给出的近似值能够辅助老师评测该学生的阅读能力。
在一实施例中,若阅读文本的类型为句子类型,参照图5,步骤S41之后,还执行如下步骤:
S42A:音频校对模型基于阅读文本中预选定的关键词组,筛选出关键词组对应的标准音频;
S43A:依据比对规则将关键词组的音频数据与关键词组的标准音频进行近似度比较,输出句子类近似值;
S44A:将句子类近似值输入至阅读数据包中。
在本实施例中,关键词组为英文句子中筛选出的较为具有代表性、符合学生学习阶段的单词或单词组,例如该英文句子为符合该学生当前学习的单词的造句,则该单词为英文句子的关键词组,进行近似度的比较时,也只比较该关键词组在英文句子中发音的音频数据,提升阅读文本比较的效率。
具体的,每个阅读文本均预先选定有该阅读文本中的关键词组,音频校对模型接收到音频数据后,基于该音频数据的阅读文本筛选出该阅读文本中的关键词组,进一步筛选出该关键词组的标准音频,将关键词组的音频数据和标准音频进行比较,得到代表英文句子音频的近似度的句子类近似值,将句子类近似值输入至阅读数据包中并发送至教师终端。以协助老师对该学生的英文句子阅读能力进行评测。
在一实施例中,参照图6,步骤S42具体为:
S421:音频校对模型获取音频数据的音频特征信息;
S422:基于阅读文本向云平台获取标准音频的标准特征信息;
S423:将音频特征信息与标准特征信息进行一一比对,基于各音频特征信息与标准特征信息的比对结果,计算得到单词类近似值。
在本实施例中,音频特征信息与标准特征信息的比对,是指学生录音进行分帧比对,即音频数据中每个单词的每帧发音的波形数据与标准音频的每帧发音的波形数据进行比对。由于语音数据库的庞大,波形数据的比对在云平台进行,能够缩短比对的时间,提高比对的准确性。
句子类近似值的比对,同样为获取关键词组的音频特征信息,并在云平台与关键词组的标准特征信息进行比对。
具体的,音频校对模型获取音频数据的音频特征信息,基于音频数据对应的阅读文本,从云平台从筛选出该音频特征信息对应的标准音频的标准特征信息,将若干音频特征信息对应帧的标准音频特征进行一一比对,通过统计每一帧音频特征信息的相似程度之和,除以波形数据的帧数,得到单词类近似值。同样的计算方法可得到句子类近似值。
在一实施例中,步骤S20之后,执行如下步骤:
S21:当音频数据发送至语音识别模型时,开启预设间隔时长的倒计时;
S22:当预设间隔时长的倒计时结束时,将预选定的下一个阅读文本发送至用户终端,间隔时长由用户终端进行自定义设置。
在本实施例中,间隔时长是指阅读文本发送至用户终端的间隔时间,间隔时间通常自定义设置的范围为10秒至1分钟。
具体的,当音频数据发送至语音识别模型时,证明该学生完成单个阅读文本的录音,进而间隔时长开始倒计时,倒计时结束时发送预选定的下一个阅读文本至用户终端,学生即可开始下一个阅读文本的阅读录音。
进一步还可以设置阅读文本的全自动切换,即用户终端接收到阅读文本后即开始计时,并在计时结束时自动向用户终端发送下一阅读文本。
在一实施例中,参照图7,英语阅读能力的智能评测方法还包括步骤:
S60:获取用户终端过往所生成的所有句子类近似值,并计算句子类近似值的平均值;
S61:识别平均值所属的近似值区间;
S62:基于近似值区间获取关联的预设间隔时间;
S63:将阅读文本发送的间隔时长调整为获取到的间隔时间。
在本实施例中,通常获取过往用户终端过往1至3个月所有阅读评测得到的句子类近似值。同理,可获取用户终端过往1至3个月所有阅读评测得到的句子类近似值进行平均值的计算;进一步,比较用户终端过往1至3个月句子类近似值的数量和单词类近似值的数量,并给予数量较多的近似值进行平均值计算。
近似值区间为教师终端进行自定义设置,通常近似值区间包括100%至80%、79%至50%、49%至20%、0%至19%等区间。每个近似值区间对应一个预设间隔时间,近似值区间越高,对应的预设间隔时间越短。
具体的,获取学生通过用户终端在过往三个月进行阅读评测得到的句子类近似值,计算所有句子类近似值的平均值。进一步识别平均值所属的近似值区间,得到该近似值区间对应的预设间隔时间,将阅读文本发送的间隔时长调整为得到的近似值区间对应的间隔时间。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在一实施例中,提供一种英语口语的智能评测***,该英语口语的智能评测***与上述实施例中一种英语阅读能力的智能评测方法对应。该一种英语口语的智能评测***包括:
测评请求模块,用于当接收到来自用于与学生身份信息绑定的用户终端的英语阅读的测评请求时,将预选定的阅读文本发送至用户终端;
音频发送模块,用于当接收到来自用户终端根据阅读文本产生的音频数据时,将音频数据发送至语音识别模型;
标准音频模块,用于语音识别模型基于阅读文本筛选出预选关联的阅读文本的标准音频;
音频打包模块,用于将标准音频和关联的音频数据打包生成阅读数据包;
数据包发送模块,用于将阅读数据包发送至与用户终端绑定的教师终端。
可选的,若阅读文本的类型为单词类型,还包括:
音频校对模块,用于将阅读数据包发送至音频校对模型;
近似值模块,用于音频校对模型依据比对规则比较阅读数据包中音频数据与标准音频的近似度,输出单词类近似值;
单词类近似值输入模块,用于将单词类近似值输入至阅读数据包中。
可选的,若阅读文本的类型为句子类型,还包括:
关键词组拆分模块,用于音频校对模型基于阅读文本中预选定的关键词组,筛选出关键词组对应的标准音频;
关键词比对模块,用于依据比对规则将关键词组的音频数据与关键词组的标准音频进行近似度比较,输出句子类近似值;
句子类近似值输入模块,用于将句子类近似值输入至阅读数据包中。
可选的,近似值模块包括:
特征获取子模块,用于音频校对模型获取音频数据的音频特征信息;
标准特征获取子模块,用于基于阅读文本向云平台获取标准音频的标准特征信息;
特征比对子模块,用于将音频特征信息与标准特征信息进行一一比对,基于各音频特征信息与标准特征信息的比对结果,计算得到单词类近似值。
可选的,还包括:
间隔计时模块,用于当音频数据发送至语音识别模型时,开启预设间隔时长的倒计时;
间隔发送模块,用于当预设间隔时长的倒计时结束时,将预选定的下一个阅读文本发送至用户终端,间隔时长由用户终端进行自定义设置。
可选的,还包括:
平均值计算模块,用于获取用户终端过往所生成的所有句子类近似值,并计算句子类近似值的平均值;
区间确定模块,用于识别平均值所属的近似值区间;
间隔时间获取模块,用于基于近似值区间获取关联的预设间隔时间;
间隔时长调整模块,用于将阅读文本发送的间隔时长调整为获取到的间隔时间。
关于一种英语口语的智能评测***的具体限定可以参见上文中对于一种英语阅读能力的智能评测方法的限定,在此不再赘述。上述一种英语口语的智能评测***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储英文单词、句子库,语音识别模型、音频校对模块、音频数据以及标准音频。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现英语口语的智能评测方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现英语口语的智能评测方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现英语口语的智能评测方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种英语阅读能力的智能评测方法,其特征在于:包括步骤:
当接收到来自用于与学生身份信息绑定的用户终端的英语阅读的测评请求时,将预选定的阅读文本发送至用户终端;
当接收到来自用户终端根据阅读文本产生的音频数据时,将音频数据发送至语音识别模型;
语音识别模型基于阅读文本筛选出预选关联的阅读文本的标准音频;
将标准音频和关联的音频数据打包生成阅读数据包;
将阅读数据包发送至与用户终端绑定的教师终端。
2.根据权利要求1所述的一种英语阅读能力的智能评测方法,其特征在于:若阅读文本的类型为单词类型,所述将标准音频和关联的音频数据打包生成阅读数据包的步骤之后,执行如下步骤:
将阅读数据包发送至音频校对模型;
音频校对模型依据比对规则比较阅读数据包中音频数据与标准音频的近似度,输出单词类近似值;
将单词类近似值输入至阅读数据包中。
3.根据权利要求2所述的一种英语阅读能力的智能评测方法,其特征在于:若阅读文本的类型为句子类型,则所述将阅读数据包发送至音频校对模型的步骤之后,执行如下步骤:
音频校对模型基于阅读文本中预选定的关键词组,筛选出关键词组对应的标准音频;
依据比对规则将关键词组的音频数据与关键词组的标准音频进行近似度比较,输出句子类近似值;
将句子类近似值输入至阅读数据包中。
4.根据权利要求2所述的一种英语阅读能力的智能评测方法,其特征在于:所述音频校对模型依据比对规则比较阅读数据包中音频数据与标准音频的近似度,输出单词类近似值的步骤,具体为:
音频校对模型获取音频数据的音频特征信息;
基于阅读文本向云平台获取标准音频的标准特征信息;
将音频特征信息与标准特征信息进行一一比对,基于各音频特征信息与标准特征信息的比对结果,计算得到单词类近似值。
5.根据权利要求1所述的一种英语阅读能力的智能评测方法,其特征在于:所述当接收到来自用户终端根据阅读文本产生的音频数据时,将音频数据发送至语音识别模型的步骤之后,执行如下步骤:
当音频数据发送至语音识别模型时,开启预设间隔时长的倒计时;
当预设间隔时长的倒计时结束时,将预选定的下一个阅读文本发送至用户终端,间隔时长由用户终端进行自定义设置。
6.根据权利要求5所述的一种英语阅读能力的智能评测方法,其特征在于:英语阅读能力的智能评测方法还包括步骤:
获取用户终端过往所生成的所有句子类近似值,并计算句子类近似值的平均值;
识别平均值所属的近似值区间;
基于近似值区间获取关联的预设间隔时间;
将阅读文本发送的间隔时长调整为获取到的间隔时间。
7.一种英语口语的智能评测***,其特征在于,包括:
测评请求模块,用于当接收到来自用于与学生身份信息绑定的用户终端的英语阅读的测评请求时,将预选定的阅读文本发送至用户终端;
音频发送模块,用于当接收到来自用户终端根据阅读文本产生的音频数据时,将音频数据发送至语音识别模型;
标准音频模块,用于语音识别模型基于阅读文本筛选出预选关联的阅读文本的标准音频;
音频打包模块,用于将标准音频和关联的音频数据打包生成阅读数据包;数据包发送模块,用于将阅读数据包发送至与用户终端绑定的教师终端。
8.根据权利要求7所述的一种英语口语的智能评测***,其特征在于:
若阅读文本的类型为单词类型,还包括:
音频校对模块,用于将阅读数据包发送至音频校对模型;
近似值模块,用于音频校对模型依据比对规则比较阅读数据包中音频数据与标准音频的近似度,输出单词类近似值;
单词类近似值输入模块,用于将单词类近似值输入至阅读数据包中。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述一种英语阅读能力的智能评测方法的步骤。
10.一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程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述一种英语阅读能力的智能评测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211558336.0A CN116013286A (zh) | 2022-12-06 | 2022-12-06 | 一种英语阅读能力的智能评测方法、***、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211558336.0A CN116013286A (zh) | 2022-12-06 | 2022-12-06 | 一种英语阅读能力的智能评测方法、***、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116013286A true CN116013286A (zh) | 2023-04-25 |
Family
ID=86032512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211558336.0A Pending CN116013286A (zh) | 2022-12-06 | 2022-12-06 | 一种英语阅读能力的智能评测方法、***、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116013286A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117877523A (zh) * | 2024-01-10 | 2024-04-12 | 广州市信息技术职业学校 | 一种英文发音评测方法、装置、设备和可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108428382A (zh) * | 2018-02-14 | 2018-08-21 | 广东外语外贸大学 | 一种口语复述评分方法及*** |
CN109979484A (zh) * | 2019-04-03 | 2019-07-05 | 北京儒博科技有限公司 | 发音检错方法、装置、电子设备及存储介质 |
CN111078179A (zh) * | 2019-05-10 | 2020-04-28 | 广东小天才科技有限公司 | 一种听写报读进度的控制方法及电子设备 |
CN111369980A (zh) * | 2020-02-27 | 2020-07-03 | 网易有道信息技术(北京)有限公司江苏分公司 | 语音检测方法、装置、电子设备及存储介质 |
CN111681470A (zh) * | 2020-07-15 | 2020-09-18 | 朱万里 | 一种人工智能英语教学*** |
CN113486970A (zh) * | 2021-07-15 | 2021-10-08 | 北京全未来教育科技有限公司 | 阅读能力评测方法及装置 |
-
2022
- 2022-12-06 CN CN202211558336.0A patent/CN116013286A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108428382A (zh) * | 2018-02-14 | 2018-08-21 | 广东外语外贸大学 | 一种口语复述评分方法及*** |
CN109979484A (zh) * | 2019-04-03 | 2019-07-05 | 北京儒博科技有限公司 | 发音检错方法、装置、电子设备及存储介质 |
CN111078179A (zh) * | 2019-05-10 | 2020-04-28 | 广东小天才科技有限公司 | 一种听写报读进度的控制方法及电子设备 |
CN111369980A (zh) * | 2020-02-27 | 2020-07-03 | 网易有道信息技术(北京)有限公司江苏分公司 | 语音检测方法、装置、电子设备及存储介质 |
CN111681470A (zh) * | 2020-07-15 | 2020-09-18 | 朱万里 | 一种人工智能英语教学*** |
CN113486970A (zh) * | 2021-07-15 | 2021-10-08 | 北京全未来教育科技有限公司 | 阅读能力评测方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117877523A (zh) * | 2024-01-10 | 2024-04-12 | 广州市信息技术职业学校 | 一种英文发音评测方法、装置、设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110136691B (zh) | 一种语音合成模型训练方法、装置、电子设备及存储介质 | |
US8371857B2 (en) | System, method and device for language education through a voice portal | |
CN105679122A (zh) | 多功能大学英语教学管理*** | |
CN116013286A (zh) | 一种英语阅读能力的智能评测方法、***、设备及介质 | |
CN113486970B (zh) | 阅读能力评测方法及装置 | |
CN111079501A (zh) | 一种文字识别方法及电子设备 | |
CN112883174A (zh) | 一种在线编程测试题目自动生成方法和*** | |
CN111949870A (zh) | 一种基于记忆曲线的智能语言学习方法和存储介质 | |
JP2020071312A (ja) | 語学力評価方法及び語学力評価システム | |
JP2017021245A (ja) | 語学学習支援装置、語学学習支援方法および語学学習支援プログラム | |
CN114203201A (zh) | 口语评测方法、装置、设备、存储介质及程序产品 | |
KR20190070682A (ko) | 강의 콘텐츠 구성 및 제공을 위한 시스템 및 방법 | |
CN114691903A (zh) | 一种智能课程测试方法及***、电子设备、存储介质 | |
CN117079222B (zh) | 一种基于课堂音视频智能分析的教案生成方法和*** | |
KR100687441B1 (ko) | 외국어 음성 평가 방법 및 시스템 | |
CN111967255A (zh) | 一种基于互联网的语言自动组卷评测方法和存储介质 | |
KR102168556B1 (ko) | 훈련 평가 시스템 | |
KR20140051607A (ko) | 학습자의 능력 수준에 따른 분석 정보 제공 장치 및 방법 | |
CN111026871A (zh) | 一种基于知识图谱的听写内容获取方法及电子设备 | |
CN116596268B (zh) | 一种基于线上教育的师生作业交互方法及*** | |
CN115578075A (zh) | 一种ai智能英语辅助学习方法、***、设备及介质 | |
JP6698198B2 (ja) | 外国語学習支援システムおよび外国語学習支援方法ならびにプログラム | |
CN117708369A (zh) | 辅导学习方法、装置、设备和存储介质 | |
CN116361739A (zh) | 一种情感识别方法、装置、电子设备及存储介质 | |
CN111968434A (zh) | 一种线上无纸化语言训练与评测的方法和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230425 |