语音纠正功能实现原理

语音纠正功能实现原理

 

 

技术模块对照表

功能	输入源	核心技术	输出目标
OCR文本发音纠正	书本图像	OCR+ERNIE拼音转换+同音字替换	生成正确发音的TTS音频
ASR发音评测	用户朗读音频	ASR+ERNIE拼音对比	发音错误定位与语音反馈

第一个是语音阅读出识别的文本的模块

第二个是错字纠音

 

 

 

 

项目优势：

 

 

能力	传统工具	本项目
多音字语境识别	❌ 固定规则	✅ 动态语义分析（结合上下文） 区别于传统声学模型，ERNIE结合上下文判断读音： “了”在普通语句读le（你要走了？） 在古诗“春花秋月何时了”强制读liǎo
错误解释清晰度	“发音错误”	“见读xiàn，像看见的见”
方言适应性	❌	✅ 支持方言发音对比（文档6.2.1节）