用于输出信息的方法和装置与流程

本公开的实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。

背景技术：

智能设备(intelligentdevice)是一种具有计算处理能力的设备、器械或者机器。现有技术中，由于智能设备具有语音交互的功能，因而其可以应用于各种语音跟读场景中。作为示例，语音跟读可以广泛应用于如下场景：外语学习、口吃矫正、儿童早教等等。

一些情况下，跟读者可能由于年龄较小等因素，而无法准确地发出与智能设备发出的音频相同的音频，或者，由于语音识别存在误差，可能导致智能设备认为语音跟读者所发出的音频与智能设备发出的音频不同。然而，智能设备往往是根据跟读者所发出的音频与智能设备发出的音频是否相同，来确定跟读者是否在认真跟读，或者，是否需要继续跟读当前音频。

技术实现要素：

本公开提出了用于输出信息的方法和装置。

第一方面，本公开的实施例提供了一种用于输出信息的方法，该方法包括：响应于接收到用户的跟读指令，输出待跟读音频；获取用户对待跟读音频进行跟读得到的实际跟读音频；对实际跟读音频进行语音识别，得到识别结果；基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度；从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间；输出所确定出的相似度区间对应的跟读评价。

在一些实施例中，基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度，包括：响应于确定识别结果指示实际跟读音频为中文音频，并且，待跟读音频为英文音频或中文音频，确定待跟读音频对应的拼音字符串，以及确定识别结果对应的拼音字符串；基于待跟读音频对应的拼音字符串与识别结果对应的拼音字符串，计算实际跟读音频与待跟读音频之间的相似度。

在一些实施例中，基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度，包括：响应于确定识别结果指示实际跟读音频为英文音频，并且，待跟读音频为中文音频，确定待跟读音频对应的拼音字符串，以及确定识别结果对应的英文字符串；基于待跟读音频对应的拼音字符串与识别结果对应的英文字符串，计算实际跟读音频与待跟读音频之间的相似度。

在一些实施例中，基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度，包括：响应于确定识别结果指示实际跟读音频为英文音频，并且，待跟读音频为英文音频，确定待跟读音频对应的英文字符串，以及确定识别结果对应的英文字符串；基于待跟读音频对应的英文字符串与识别结果对应的英文字符串，计算实际跟读音频与待跟读音频之间的相似度。

在一些实施例中，基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度，包括：确定待跟读音频对应的字符串与识别结果对应的字符串之间的最长公共子序列的长度；基于长度与待跟读音频对应的字符串的长度，计算实际跟读音频与待跟读音频之间的相似度。

第二方面，本公开的实施例提供了又一种用于输出信息的方法，该装方法包括：响应于接收到用户的跟读指令，输出待跟读音频序列，以及针对待跟读音频序列中的每个待跟读音频，执行如下跟读步骤：输出该待跟读音频；获取用户对该待跟读音频进行跟读得到的实际跟读音频；对所获取到的实际跟读音频进行语音识别，得到识别结果；基于所得到的识别结果对应的字符串和该待跟读音频对应的字符串，计算所获取到的实际跟读音频与该待跟读音频之间的相似度；从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间；输出所确定出的相似度区间对应的跟读评价；响应于确定计算得到的相似度小于等于预先设置的相似度阈值，基于该待跟读音频，继续执行跟读步骤。

在一些实施例中，该方法还包括：响应于确定计算得到的相似度大于相似度阈值，基于待跟读音频序列中该待跟读音频的下一个待跟读音频，继续执行跟读步骤。

第三方面，本公开的实施例提供了一种用于输出信息的装置，该装置包括：第一输出单元，被配置成响应于接收到用户的跟读指令，输出待跟读音频；获取单元，被配置成获取用户对待跟读音频进行跟读得到的实际跟读音频；识别单元，被配置成对实际跟读音频进行语音识别，得到识别结果；计算单元，被配置成基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度；确定单元，被配置成从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间；第二输出单元，被配置成输出所确定出的相似度区间对应的跟读评价。

在一些实施例中，计算单元包括：第一确定模块，被配置成响应于确定识别结果指示实际跟读音频为中文音频，并且，待跟读音频为英文音频或中文音频，确定待跟读音频对应的拼音字符串，以及确定识别结果对应的拼音字符串；第一计算模块，被配置成基于待跟读音频对应的拼音字符串与识别结果对应的拼音字符串，计算实际跟读音频与待跟读音频之间的相似度。

在一些实施例中，计算单元包括：第二确定模块，被配置成响应于确定识别结果指示实际跟读音频为英文音频，并且，待跟读音频为中文音频，确定待跟读音频对应的拼音字符串，以及确定识别结果对应的英文字符串；第二计算模块，被配置成基于待跟读音频对应的拼音字符串与识别结果对应的英文字符串，计算实际跟读音频与待跟读音频之间的相似度。

在一些实施例中，计算单元包括：第三确定模块，被配置成响应于确定识别结果指示实际跟读音频为英文音频，并且，待跟读音频为英文音频，确定待跟读音频对应的英文字符串，以及确定识别结果对应的英文字符串；第三计算模块，被配置成基于待跟读音频对应的英文字符串与识别结果对应的英文字符串，计算实际跟读音频与待跟读音频之间的相似度。

在一些实施例中，计算单元包括：第四确定模块，被配置成确定待跟读音频对应的字符串与识别结果对应的字符串之间的最长公共子序列的长度；第四计算模块，被配置成基于长度与待跟读音频对应的字符串的长度，计算实际跟读音频与待跟读音频之间的相似度。

第四方面，本公开的实施例提供了又一种用于输出信息的装置，该装置包括：第三输出单元，被配置成响应于接收到用户的跟读指令，输出待跟读音频序列，以及针对待跟读音频序列中的每个待跟读音频，执行如下跟读步骤：输出该待跟读音频；获取用户对该待跟读音频进行跟读得到的实际跟读音频；对所获取到的实际跟读音频进行语音识别，得到识别结果；基于所得到的识别结果对应的字符串和该待跟读音频对应的字符串，计算所获取到的实际跟读音频与该待跟读音频之间的相似度；从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间；输出所确定出的相似度区间对应的跟读评价；响应于确定计算得到的相似度小于等于预先设置的相似度阈值，基于该待跟读音频，继续执行跟读步骤。

在一些实施例中，该装置还包括：继续执行单元，被配置成响应于确定计算得到的相似度大于相似度阈值，基于待跟读音频序列中该待跟读音频的下一个待跟读音频，继续执行跟读步骤。

第五方面，本公开的实施例提供了一种用于输出信息的终端设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得该一个或多个处理器实现如上述任一用于输出信息的方法中任一实施例的方法。

第六方面，本公开的实施例提供了一种用于输出信息的计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任一用于输出信息的方法中任一实施例的方法。

本公开的实施例提供的用于输出信息的方法和装置，通过在接收到用户的跟读指令的情况下，输出待跟读音频，然后，获取用户对待跟读音频进行跟读得到的实际跟读音频，之后，对实际跟读音频进行语音识别，得到识别结果，随后，基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度，再从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间，最后，输出所确定出的相似度区间对应的跟读评价，从而可以帮助跟读者提高学习效率和学习兴趣，进而提高用户对设备的使用率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于输出信息的方法的一个实施例的流程图；

图3是根据本公开的用于输出信息的方法的一个应用场景的示意图；

图4是根据本公开的用于输出信息的方法的又一个实施例的流程图；

图5是根据本公开的用于输出信息的装置的一个实施例的结构示意图；

图6是根据本公开的另一个用于输出信息的方法的一个实施例的流程图；

图7是根据本公开的另一个用于输出信息的装置的一个实施例的结构示意图；

图8是适于用来实现本公开的实施例的终端设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的实施例的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息(例如识别结果对应的跟读评价)等。终端设备101、102、103上可以安装有各种客户端应用，例如跟读类软件(例如英语跟读、古诗词跟读类软件)、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是支持语音交互的各种电子设备，包括但不限于智能音箱、智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上安装的软件进行支持的后台服务器。后台服务器可以对接收到的数据进行分析等处理，并生成处理结果。

需要说明的是，本公开的实施例所提供的用于输出信息的方法一般由终端设备101、102、103执行，相应地，用于输出信息的装置一般设置于终端设备101、102、103中。然而，在一些情况下，本公开的实施例所提供的用于输出信息的方法也可以由终端设备101、102、103和服务器105彼此配合执行，相应地，用于输出信息的装置包括的各个单元也可以分别设置于终端设备101、102、103和服务器105中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。当用于输出信息方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该系统架构可以仅包括用于输出信息方法运行于其上的电子设备。

继续参考图2，示出了根据本公开的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法，包括以下步骤：

步骤201，响应于接收到用户的跟读指令，输出待跟读音频。

在本实施例中，在接收到用户的跟读指令的情况下，用于输出信息的方法的执行主体(例如图1所示的终端设备)可以输出待跟读音频。其中，上述用户可以是上述执行主体的使用者。上述跟读指令可以是该用户通过对上述执行主体进行交互而生成的指令，且跟读指令可以用于指示上述执行主体进入跟读模式(即用户重复上述执行主体所输出的音频的模式)。

在这里，上述跟读指令可以包括但不限于用户通过如下方式生成的指令：发出语音“跟读”、点击或按下用于指示进行跟读的按钮等等。上述待跟读音频可以是各种用户待对其进行跟读的音频。作为示例，待跟读音频可以为各种语言(例如英语、日语、法语等等)的音频。也可以为儿歌或者古诗词的音频。

步骤202，获取用户对待跟读音频进行跟读得到的实际跟读音频。

在本实施例中，上述执行主体可以获取用户对步骤201所获取到的待跟读音频进行跟读得到的实际跟读音频。

在这里，在上述执行主体输出待跟读音频之后，用户可以对该待跟读音频进行跟读。可以理解，用户进行跟读所发出的音频即为实际跟读音频。之后，上述执行主体可以获取该实际跟读音频。

实践中，上述执行主体可以将在输出待跟读音频之后，用户所发出的任意音频确定为实际跟读音频，从而对该实际跟读音频进行获取。

步骤203，对实际跟读音频进行语音识别，得到识别结果。

在本实施例中，上述执行主体可以对实际跟读音频进行语音识别，得到识别结果。其中，识别结果可以为识别结果对应的文字。

在这里，上述执行主体可以采用但不限于通过如下算法，来进行语音识别：dtw(dynamictimewarping，动态时间归整)语音识别算法、mfcc(melfrequencycepstrumcoefficient，梅尔频率倒谱系数)语音识别算法、基于gmm(gaussofmixturemodels，混合高斯模型)和hmm(hiddenmarkovmodel，隐马尔科夫模型)算法的语音识别算法等等。

实践中，上述执行主体可以首先确定实际跟读音频属于哪一个语种，然后生成实际跟读音频对应的该语种的文字，作为识别结果。例如，如果上述执行主体获取到的实际跟读音频为“‘你好’的音频”，并且，上述执行主体确定出该实际跟读音频属于中文音频，那么，上述执行主体可以生成识别结果“你好”、“拟好”、“倪浩”等等。

在这里，可以采用多种方式来确定实际跟读音频所属的语种。

作为示例，上述执行主体可以将实际跟读音频输入至预先训练的语种分类模型，从而得到该实际跟读音频所属的语种。其中，上述语种分类模型可以用于确定输入的音频所属的语种。例如，上述语种分类模型可以是采用机器学习算法，将包括样本音频和样本音频所属的语种的训练样本输入至初始模型(例如支持向量机、朴素贝叶斯)进行训练而得到的模型。

作为又一示例，上述执行主体也可以将实际跟读音频发送至与其通信连接的电子设备，然后由该电子设备的使用者，来判断实际跟读音频所属的语种，并将判断结果发送至上述执行主体，从而确定出实际跟读音频所属的语种。

可选的，上述执行主体也可以将识别结果对应的中文拼音，确定为识别结果。例如，如果上述执行主体获取到的实际跟读音频为“‘你好’的音频”，那么，上述执行主体可以生成识别结果“nihao”。

步骤204，基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度。

在本实施例中，上述执行主体可以基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度。

其中，识别结果对应的字符串可以是识别结果本身，也可以是识别结果进行转化后得到的字符串。例如，识别结果对应的字符串可以包括但不限于：识别结果对应的英文、识别结果对应的汉字、识别结果对应的拼音、识别结果对应的国际音标等等。待跟读音频对应的字符串可以包括但不限于：待跟读音频对应的汉字、待跟读音频对应的拼音、待跟读音频对应的国际音标、待跟读音频对应的英文等等。

在这里，上述执行主体可以采用多种方法，来得到识别结果对应的字符串。

作为示例，技术人员可以通过统计，从而将大量的识别结果，以及识别结果对应的字符串关联存储(例如采用键值对的方式存储)于数据库中。其中，数据库中所存储的识别结果对应的字符串可以是人为确定的。由此，上述执行主体可以从该数据库中查找与步骤203所得到的识别结果关联存储的字符串，作为该识别结果对应的字符串。

作为又一示例，上述执行主体还可以将步骤203所得到的识别结果输入至预先训练的第一字符串生成模型，从而得到该识别结果对应的字符串。其中，上述第一字符串生成模型可以用于生成识别结果对应的字符串。示例性的，上述第一字符串生成模型可以是采用机器学习算法，将包括识别结果，以及识别结果对应的字符串的训练样本输入至初始模型(例如卷积神经网络)，从而训练得到的模型。其中，上述训练样本中的识别结果对应的字符串可以是人为确定的。

类似的，上述执行主体也可以采用多种方法，来得到待跟读音频对应的字符串。

作为示例，技术人员可以通过统计，从而将大量的待跟读音频，以及待跟读音频对应的字符串关联存储(例如采用键值对的方式存储)于数据库中。其中，数据库中所存储的待跟读音频对应的字符串可以是人为确定的。由此，上述执行主体可以从该数据库中查找与步骤201所输出的待跟读音频关联存储的字符串，作为该待跟读音频对应的字符串。

作为又一示例，上述执行主体还可以将步骤201所输出的待跟读音频输入至预先训练的第二字符串生成模型，从而得到该待跟读音频对应的字符串。其中，上述第二字符串生成模型可以用于生成待跟读音频对应的字符串。示例性的，上述第二字符串生成模型可以是采用机器学习算法，将包括待跟读音频，以及待跟读音频对应的字符串的训练样本输入至初始模型(例如卷积神经网络)，从而训练得到的模型。其中，上述训练样本中的待跟读音频对应的字符串可以是人为确定的。

作为示例，上述执行主体可以采用如下公式(1)，来计算实际跟读音频与待跟读音频之间的相似度：

s＝2×x÷y(1)

在公式(1)中，s表征实际跟读音频与待跟读音频之间的相似度。x表征识别结果对应的字符串中，与待跟读音频对应的字符串所包括的相同的字符的数量。y表征识别结果对应的字符串包括的字符的数量，与待跟读音频对应的字符串所包括的字符的数量的和。

例如，如果识别结果对应的字符串为“窗间明月光”，待跟读音频对应的字符串为“床前明月光”，那么，识别结果对应的字符串中，与待跟读音频对应的字符串所包括的相同的字符的数量(即上述公式中的x)可以是“3”，识别结果对应的字符串包括的字符的数量，与待跟读音频对应的字符串所包括的字符的数量的和(即上述公式中的y)可以是“10”，由此，可以得到实际跟读音频与待跟读音频之间的相似度(即上述公式中的s)可以是“0.6”。

在本实施例的一些可选的实现方式中，上述执行主体也可以采用如下方式来计算实际跟读音频与待跟读音频之间的相似度：

首先，确定待跟读音频对应的字符串与识别结果对应的字符串之间的最长公共子序列(longestcommonsubsequence，lcs)的长度(即该最长公共子序列包括的元素的数量)。

然后，基于上述最长公共子序列的长度，与待跟读音频对应的字符串的长度，计算实际跟读音频与待跟读音频之间的相似度。

作为示例，上述执行主体可以将最长公共子序列的长度，与待跟读音频对应的字符串的长度的比值，确定为实际跟读音频与待跟读音频之间的相似度。

可选的，上述执行主体也可以采用如下公式(2)，来计算实际跟读音频与待跟读音频之间的相似度：

s＝2×l1÷(l2+l3)(2)

在公式(2)中，上述s可以用于表征实际跟读音频与待跟读音频之间的相似度，l1可以用于表征上述最长公共子序列的长度，l2可以用于表征待跟读音频对应的字符串的长度，l3可以用于表征识别结果对应的字符串的长度。

步骤205，从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间。

在本实施例中，上述执行主体可以从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间。

在这里，可以预先将相似度区间“[0,1]”进行划分，从而得到相似度区间集合。其中，相似度区间集合中所包括的相似度区间的数量可以是任意正整数。

作为示例，相似度区间集合可以包括如下相似度区间“[0,0.6)”、“[0.6,0.8)”和“[0.8,1]”。

步骤206，输出所确定出的相似度区间对应的跟读评价。

在本实施例中，上述相似度区间集合中的各个相似度区间，可以预先对应有跟读评价。由此，上述执行主体可以输出所确定出的相似度区间对应的跟读评价。

作为示例，相似度区间“[0,0.6)”可以对应跟读评价“要好好跟读哦”；相似度区间“[0.6,0.8)”可以对应跟读评价“不错哦，继续加油”；相似度区间“[0.8,1]”可以对应跟读评价“太棒啦”。

可以理解，上述相似度区间与跟读评价之间的对应关系可以根据实际需求来确定。上述跟读评价可以通过文字、音频、图像等形式进行输出。该跟读评价可以用于指示实际跟读音频与待跟读音频之间的相似度。在上述执行主体输出跟读评价之后，用户可以调整或继续保持跟读策略，从而提高后续实际跟读音频与待跟读音频之间的相似度，以学会跟读。

在本实施例的一些可选的实现方式中，上述步骤204可以包括如下步骤：

步骤一，在确定识别结果指示实际跟读音频为中文音频，并且，待跟读音频为英文音频或中文音频的情况下，确定待跟读音频对应的拼音字符串，以及确定识别结果对应的拼音字符串。

在这里，上述执行主体可以采用多种方式，来确定待跟读音频对应的拼音字符串。

作为示例，技术人员可以通过统计，从而将大量的待跟读音频，以及待跟读音频对应的拼音字符串关联存储(例如采用键值对的方式存储)于数据库中。其中，数据库中所存储的待跟读音频对应的拼音字符串可以是人为确定的。由此，上述执行主体可以从该数据库中查找与步骤201所输出的待跟读音频关联存储的拼音字符串，作为该待跟读音频对应的拼音字符串。

作为又一示例，上述执行主体还可以将步骤201所输出的待跟读音频输入至预先训练的第三字符串生成模型，从而得到该待跟读音频对应的拼音字符串。其中，上述第三字符串生成模型可以用于生成待跟读音频对应的拼音字符串。示例性的，上述第三字符串生成模型可以是采用机器学习算法，将包括待跟读音频，以及待跟读音频对应的拼音字符串的训练样本输入至初始模型(例如卷积神经网络)，从而训练得到的模型。其中，上述训练样本中的待跟读音频对应的拼音字符串可以是人为确定的。

类似的，上述执行主体可以采用多种方式，来确定识别结果对应的拼音字符串。

作为示例，技术人员可以通过统计，从而将大量的识别结果，以及识别结果对应的拼音字符串关联存储(例如采用键值对的方式存储)于数据库中。其中，数据库中所存储的识别结果对应的拼音字符串可以是人为确定的。由此，上述执行主体可以从该数据库中查找与步骤203所得到的识别结果关联存储的拼音字符串，作为该识别结果对应的拼音字符串。

作为又一示例，上述执行主体还可以将步骤203所得到的识别结果输入至预先训练的第四字符串生成模型，从而得到该识别结果对应的拼音字符串。其中，上述第四字符串生成模型可以用于生成识别结果对应的拼音字符串。示例性的，上述第四字符串生成模型可以是采用机器学习算法，将包括识别结果，以及识别结果对应的拼音字符串的训练样本输入至初始模型(例如卷积神经网络)，从而训练得到的模型。其中，上述训练样本中的识别结果对应的拼音字符串可以是人为确定的。

步骤二，基于待跟读音频对应的拼音字符串与识别结果对应的拼音字符串，计算实际跟读音频与待跟读音频之间的相似度。

作为示例，上述执行主体可以采用如下公式(3)，来计算实际跟读音频与待跟读音频之间的相似度：

s＝2×x÷y(3)

在公式(3)中，s表征实际跟读音频与待跟读音频之间的相似度。x表征识别结果对应的拼音字符串中，与待跟读音频对应的拼音字符串所包括的相同的字符的数量。y表征识别结果对应的拼音字符串包括的拼音字符的数量，与待跟读音频对应的拼音字符串所包括的拼音字符的数量的和。

在本实施例的一些可选的实现方式中，上述执行主体也可以采用如下方式来计算实际跟读音频与待跟读音频之间的相似度：

首先，确定待跟读音频对应的拼音字符串与识别结果对应的拼音字符串之间的最长公共子序列的长度。

然后，将上述最长公共子序列的长度，与待跟读音频对应的拼音字符串的长度的比值，确定为实际跟读音频与待跟读音频之间的相似度。

在本实施例的一些可选的实现方式中，上述步骤204也可以包括如下步骤：

步骤一，响应于确定识别结果指示实际跟读音频为英文音频，并且，待跟读音频为中文音频，确定待跟读音频对应的拼音字符串，以及确定识别结果对应的英文字符串。

在这里，上述执行主体可以采用多种方法，来得到识别结果对应的英文字符串。

作为示例，技术人员可以通过统计，从而将大量的识别结果，以及识别结果对应的英文字符串关联存储(例如采用键值对的方式存储)于数据库中。其中，数据库中所存储的识别结果对应的英文字符串可以是人为标注的。由此，上述执行主体可以从该数据库中查找与步骤203所得到的识别结果关联存储的英文字符串，作为该识别结果对应的英文字符串。

作为又一示例，上述执行主体还可以将步骤203所得到的识别结果输入至预先训练的第五字符串生成模型，从而得到该识别结果对应的英文字符串。其中，上述第五字符串生成模型可以用于生成识别结果对应的英文字符串。示例性的，上述第五字符串生成模型可以是采用机器学习算法，将包括识别结果，以及识别结果对应的英文字符串的训练样本输入至初始模型(例如卷积神经网络)，从而训练得到的模型。其中，上述训练样本中的识别结果对应的英文字符串可以是人为标注的。

步骤二，基于待跟读音频对应的拼音字符串与识别结果对应的英文字符串，计算实际跟读音频与待跟读音频之间的相似度。

在这里，上述执行主体可以采用多种方式，来计算实际跟读音频与待跟读音频之间的相似度。

作为示例，上述执行主体可以采用如下公式(4)，计算实际跟读音频与待跟读音频之间的相似度：

s＝2×x÷y(4)

在公式(4)中，s表征实际跟读音频与待跟读音频之间的相似度。x表征识别结果对应的英文字符串中，与待跟读音频对应的拼音字符串所包括的相同的字符的数量。y表征识别结果对应的英文字符串包括的英文字符的数量，与待跟读音频对应的拼音字符串所包括的拼音字符的数量的和。

在本实施例的一些可选的实现方式中，上述执行主体也可以采用如下方式来计算实际跟读音频与待跟读音频之间的相似度：

首先，确定待跟读音频对应的拼音字符串与识别结果对应的英文字符串之间的最长公共子序列的长度。

然后，将上述最长公共子序列的长度，与待跟读音频对应的拼音字符串的长度的比值，确定为实际跟读音频与待跟读音频之间的相似度。

在本实施例的一些可选的实现方式中，上述步骤204还可以包括如下步骤：

步骤一，在确定识别结果指示实际跟读音频为英文音频，并且，待跟读音频为英文音频的情况下，确定待跟读音频对应的英文字符串，以及确定识别结果对应的英文字符串。

在这里，上述执行主体可以采用多种方法，来得到待跟读音频对应的英文字符串。

作为示例，技术人员可以通过统计，从而将大量的待跟读音频，以及待跟读音频对应的英文字符串关联存储(例如采用键值对的方式存储)于数据库中。其中，数据库中所存储的待跟读音频对应的英文字符串可以是人为标注的。由此，上述执行主体可以从该数据库中查找与步骤201所输出的待跟读音频关联存储的英文字符串，作为该待跟读音频对应的英文字符串。

作为又一示例，上述执行主体还可以将步骤201所输出的待跟读音频输入至预先训练的第六字符串生成模型，从而得到该待跟读音频对应的英文字符串。其中，上述第六字符串生成模型可以用于生成待跟读音频对应的英文字符串。示例性的，上述第六字符串生成模型可以是采用机器学习算法，将包括待跟读音频，以及待跟读音频对应的英文字符串的训练样本输入至初始模型(例如卷积神经网络)，从而训练得到的模型。其中，上述训练样本中的待跟读音频对应的英文字符串可以是人为标注的。

步骤二，基于待跟读音频对应的英文字符串与识别结果对应的英文字符串，计算实际跟读音频与待跟读音频之间的相似度。、

在这里，上述执行主体可以采用多种方式，来计算实际跟读音频与待跟读音频之间的相似度。

作为示例，上述执行主体可以采用如下公式(5)，来计算实际跟读音频与待跟读音频之间的相似度：

s＝2×x÷y(5)

在公式(5)中，s表征实际跟读音频与待跟读音频之间的相似度。x表征识别结果对应的英文字符串中，与待跟读音频对应的英文字符串所包括的相同的英文字符的数量。y表征识别结果对应的英文字符串包括的英文字符的数量，与待跟读音频对应的英文字符串所包括的英文字符的数量的和。

在本实施例的一些可选的实现方式中，上述执行主体也可以采用如下方式来计算实际跟读音频与待跟读音频之间的相似度：

首先，确定待跟读音频对应的英文字符串与识别结果对应的英文字符串之间的最长公共子序列的长度。

然后，将上述最长公共子序列的长度，与待跟读音频对应的英文字符串的长度的比值，确定为实际跟读音频与待跟读音频之间的相似度。

继续参见图3a-图3c，图3a-图3c是根据本实施例的用于输出信息的方法的一个应用场景的示意图。在图3a中，在音箱301接收到用户的跟读指令之后，音箱301输出了待跟读音频3011(图示为“床前明月光”的音频)，然后，请参考图3b，音箱301获取用户302对待跟读音频3011进行跟读得到的实际跟读音频3021(图示为“窗间明月光”的音频)，之后，音箱301对实际跟读音频3021进行语音识别，得到识别结果3022，接着，音箱301基于识别结果对应的字符串3023和待跟读音频3011对应的字符串3012，计算实际跟读音频3021与待跟读音频3011之间的相似度3031，再从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间3032，以及确定出相似度区间3032对应的跟读评价3033，最后，请参考图3c，音箱301输出了所确定出的相似度区间3032对应的跟读评价3033。

目前，通常采用将待跟读语音与实际跟读语音进行语音匹配的方式，或者，采用待跟读语音对应的文本与实际跟读语音对应的文本进行字符串匹配的方式，从而通过判断二者是否一致，来确定跟读是否准确。在采用将待跟读语音与实际跟读语音进行语音匹配的方式中，需要获得原始的音频文件。但因为安全和隐私的关系，实际跟读音频文件并不会发送给后端，因而，该方法在智能语音音箱的技能开发上，是行不通的。在采用待跟读语音对应的文本与实际跟读语音对应的文本进行字符串匹配的方式中，往往采用简单地字符串匹配，如果字符串完全一致，则确定跟读语音准确；反之，则认为跟读语音不准确。该方法误差较大，常常因为语音识别的错误，导致最终的判断错误。然而，一些情况下，跟读者可能由于年龄较小、口吃、国籍、籍贯等因素，而无法准确地发出与智能设备相同的音频，或者，由于语音识别存在误差，可能导致智能设备认为语音跟读者所发出的音频与智能设备不同。可见，现有技术中，存在为上述人群确定新的跟读方案的需求。

本公开的上述实施例提供的方法，通过响应于接收到用户的跟读指令，输出待跟读音频，然后，获取用户对待跟读音频进行跟读得到的实际跟读音频，之后，对实际跟读音频进行语音识别，得到识别结果，随后，基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度，接着，从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间，最后，输出所确定出的相似度区间对应的跟读评价，由此，基于计算实际跟读音频与待跟读音频之间的相似度，来判断跟读者发出的跟读音频的准确性，从而可以帮助上述跟读者提高学习效率和学习兴趣，进而提高用户对设备的使用率。此外，本方案可以在终端设备(例如音箱)执行，而无需将实际跟读音频文件发送给后端服务器，由此，提高了用户信息的安全性，节约了网络资源的占用。

进一步参考图4，其示出了用于输出信息的方法的又一个实施例的流程400。该用于输出信息的方法的流程400，包括以下步骤：

步骤401，响应于接收到用户的跟读指令，输出待跟读音频。之后，执行步骤402。

在本实施例中，步骤401与图2对应实施例中的步骤201基本一致，这里不再赘述。

步骤402，获取用户对待跟读音频进行跟读得到的实际跟读音频。之后，执行步骤403。

在本实施例中，步骤402与图2对应实施例中的步骤202基本一致，这里不再赘述。

步骤403，对实际跟读音频进行语音识别，得到识别结果。之后，执行步骤404。

在本实施例中，步骤403与图2对应实施例中的步骤203基本一致，这里不再赘述。

步骤404，确定识别结果指示实际跟读音频为中文音频还是英文音频。之后，若识别结果指示实际跟读音频为中文音频，则执行步骤405；若识别结果指示实际跟读音频为英文音频，则执行步骤406。

在本实施例中，用于输出信息的方法的执行主体(例如图1所示的终端设备)可以确定识别结果指示实际跟读音频为中文音频还是英文音频。

步骤405，确定待跟读音频为英文音频还是中文音频。之后，若待跟读音频为英文音频，则执行步骤407；若待跟读音频为中文音频，则执行步骤407。

在本实施例中，上述执行主体可以确定待跟读音频为英文音频还是中文音频。

步骤406，确定待跟读音频为英文音频还是中文音频。之后，若待跟读音频为英文音频，则执行步骤411；若待跟读音频为中文音频，则执行步骤409。

在本实施例中，上述执行主体可以确定待跟读音频为英文音频还是中文音频。

步骤407，确定待跟读音频对应的拼音字符串，以及确定识别结果对应的拼音字符串。之后，执行步骤408。

在本实施例中，上述执行主体可以确定待跟读音频对应的拼音字符串，以及确定识别结果对应的拼音字符串。

步骤408，基于待跟读音频对应的拼音字符串与识别结果对应的拼音字符串，计算实际跟读音频与待跟读音频之间的相似度。之后，执行步骤413。

在本实施例中，上述执行主体可以基于待跟读音频对应的拼音字符串与识别结果对应的拼音字符串，计算实际跟读音频与待跟读音频之间的相似度。

步骤409，确定待跟读音频对应的拼音字符串，以及确定识别结果对应的英文字符串。之后，执行步骤410。

在本实施例中，上述执行主体可以确定待跟读音频对应的拼音字符串，以及确定识别结果对应的英文字符串。

步骤410，基于待跟读音频对应的拼音字符串与识别结果对应的英文字符串，计算实际跟读音频与待跟读音频之间的相似度。之后，执行步骤413。

在本实施例中，上述执行主体可以基于待跟读音频对应的拼音字符串与识别结果对应的英文字符串，计算实际跟读音频与待跟读音频之间的相似度。

步骤411，确定待跟读音频对应的英文字符串，以及确定识别结果对应的英文字符串。之后，执行步骤412。

在本实施例中，上述执行主体可以确定待跟读音频对应的英文字符串，以及确定识别结果对应的英文字符串。

步骤412，基于待跟读音频对应的英文字符串与识别结果对应的英文字符串，计算实际跟读音频与待跟读音频之间的相似度。之后，执行步骤413。

在本实施例中，上述执行主体可以基于待跟读音频对应的英文字符串与识别结果对应的英文字符串，计算实际跟读音频与待跟读音频之间的相似度。

步骤413，从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间。之后，执行步骤414。

在本实施例中，上述执行主体可以从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间。

步骤414，输出所确定出的相似度区间对应的跟读评价。

在本实施例中，上述执行主体可以输出所确定出的相似度区间对应的跟读评价。

需要说明的是，除上述所记载的内容外，本实施例还可以包括与图2对应的实施例相同的特征，以及产生相同的有益效果，本申请实施例在此不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于输出信息的方法的流程400突出了在待跟读音频分别为中文音频、英文音频，以及实际跟读音频分别为中文音频、英文音频的各种情况下，计算实际跟读音频与待跟读音频之间的相似度的具体步骤。由此，本实施例描述的方案可以在不同情况下，采用不同的相似度计算方式，从而进一步丰富了跟读方式。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于输出信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征。该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于输出信息的装置500包括：第一输出单元501、获取单元502、识别单元503、计算单元504、确定单元505和第二输出单元506。其中，第一输出单元501被配置成响应于接收到用户的跟读指令，输出待跟读音频；获取单元502被配置成获取用户对待跟读音频进行跟读得到的实际跟读音频；识别单元503被配置成对实际跟读音频进行语音识别，得到识别结果；计算单元504被配置成基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度；确定单元505被配置成从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间；第二输出单元506被配置成输出所确定出的相似度区间对应的跟读评价。

在本实施例中，用于输出信息的装置500的第一输出单元501可以输出待跟读音频。其中，上述用户可以是装置500的使用者。上述跟读指令可以是该用户通过对上述装置500进行交互而生成的指令，且跟读指令可以用于指示上述装置500进入跟读模式(即用户重复上述装置500所输出的音频的模式)。

在这里，上述跟读指令可以包括但不限于用户通过如下方式生成的指令：发出语音“跟读”、点击或按下用于指示进行跟读的按钮等等。上述待跟读音频可以是各种用户待对其进行跟读的音频。作为示例，待跟读音频可以为各种语言(例如英语、日语、法语等等)的音频。也可以为儿歌或者古诗词的音频。

在本实施例中，上述获取单元502可以获取用户对第一输出单元501输出的待跟读音频进行跟读得到的实际跟读音频。

在这里，在上述装置500输出待跟读音频之后，用户可以对该待跟读音频进行跟读。可以理解，用户进行跟读所发出的音频即为实际跟读音频。之后，上述装置500可以获取该实际跟读音频。

实践中，上述执行主体可以将在输出待跟读音频之后，用户所发出的任意音频确定为实际跟读音频，从而对该实际跟读音频进行获取。

在本实施例中，上述识别单元503可以对实际跟读音频进行语音识别，得到识别结果。其中，识别结果可以为识别结果对应的文字。

在本实施例中，上述计算单元504可以基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度。

在本实施例中，上述确定单元505可以从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间。

在本实施例中，上述相似度区间集合中的各个相似度区间，可以预先对应有跟读评价。由此，上述第二输出单元506可以输出所确定出的相似度区间对应的跟读评价。

在本实施例的一些可选的实现方式中，计算单元504包括：第一确定模块(图中未示出)被配置成响应于确定识别结果指示实际跟读音频为中文音频，并且，待跟读音频为英文音频或中文音频，确定待跟读音频对应的拼音字符串，以及确定识别结果对应的拼音字符串；第一计算模块(图中未示出)被配置成基于待跟读音频对应的拼音字符串与识别结果对应的拼音字符串，计算实际跟读音频与待跟读音频之间的相似度。

在本实施例的一些可选的实现方式中，计算单元504包括：第二确定模块(图中未示出)被配置成响应于确定识别结果指示实际跟读音频为英文音频，并且，待跟读音频为中文音频，确定待跟读音频对应的拼音字符串，以及确定识别结果对应的英文字符串；第二计算模块(图中未示出)被配置成基于待跟读音频对应的拼音字符串与识别结果对应的英文字符串，计算实际跟读音频与待跟读音频之间的相似度。

在本实施例的一些可选的实现方式中，计算单元504包括：第三确定模块(图中未示出)被配置成响应于确定识别结果指示实际跟读音频为英文音频，并且，待跟读音频为英文音频，确定待跟读音频对应的英文字符串，以及确定识别结果对应的英文字符串；第三计算模块(图中未示出)被配置成基于待跟读音频对应的英文字符串与识别结果对应的英文字符串，计算实际跟读音频与待跟读音频之间的相似度。

在本实施例的一些可选的实现方式中，计算单元504包括：第四确定模块(图中未示出)被配置成确定待跟读音频对应的字符串与识别结果对应的字符串之间的最长公共子序列的长度；第四计算模块(图中未示出)被配置成基于长度与待跟读音频对应的字符串的长度，计算实际跟读音频与待跟读音频之间的相似度。

本公开的上述实施例提供的装置，通过第一输出单元501响应于接收到用户的跟读指令，输出待跟读音频，然后，获取单元502获取用户对待跟读音频进行跟读得到的实际跟读音频，之后，识别单元503对实际跟读音频进行语音识别，得到识别结果，随后，计算单元504基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度，接着，确定单元505从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间，最后，第二输出单元506输出所确定出的相似度区间对应的跟读评价，从而可以帮助跟读者提高学习效率和学习兴趣，进而提高用户对设备的使用率。

继续参考图6，其示出了根据本公开的另一用于输出信息的方法的一个实施例的流程600。该用于输出信息的方法，包括以下步骤：

步骤601，响应于接收到用户的跟读指令，输出待跟读音频序列。之后，执行步骤602。

在本实施例中，在接收到用户的跟读指令的情况下，用于输出信息的方法的执行主体(例如图1所示的终端设备)可以输出待跟读音频序列。其中，上述用户可以是上述执行主体的使用者。上述跟读指令可以是该用户通过对上述执行主体进行交互而生成的指令，且跟读指令可以用于指示上述执行主体进入跟读模式(即用户重复上述执行主体所输出的音频的模式)。

在这里，上述跟读指令可以包括但不限于用户通过如下方式生成的指令：发出语音“跟读”、点击或按下用于指示进行跟读的按钮等等。上述待跟读音频可以是各种用户待对其进行跟读的音频。作为示例，待跟读音频可以为各种语言(例如英语、日语、法语等等)的音频。也可以为儿歌或者古诗词的音频。

实践中，上述待跟读音频序列可以是一首古诗，该待跟读音频序列中的待跟读音频可以是上述古诗中的一句；上述待跟读音频序列也可以是多个英文单词的语音音频，该待跟读音频序列中的待跟读音频可以是上述多个英文单词的语音音频中的一个英文单词的语音音频。

步骤602，获取待跟读音频序列中的首个待跟读音频。之后，执行步骤603。

在本实施例中，上述执行主体可以获取上述待跟读音频序列中的首个待跟读音频。

步骤603，输出该待跟读音频。之后，执行步骤604。

在本实施例中，上述执行主体可以输出该待跟读音频。

步骤604，获取用户对该待跟读音频进行跟读得到的实际跟读音频。之后，执行步骤605。

在本实施例中，上述执行主体可以获取用户对该待跟读音频进行跟读得到的实际跟读音频。

步骤605，对所获取到的实际跟读音频进行语音识别，得到识别结果。之后，执行步骤606。

在本实施例中，上述执行主体可以对所获取到的实际跟读音频进行语音识别，得到识别结果。

步骤606，基于所得到的识别结果对应的字符串和该待跟读音频对应的字符串，计算所获取到的实际跟读音频与该待跟读音频之间的相似度。之后，执行步骤607。

在本实施例中，上述执行主体可以基于所得到的识别结果对应的字符串和该待跟读音频对应的字符串，计算所获取到的实际跟读音频与该待跟读音频之间的相似度。

步骤607，从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间。之后，执行步骤608。

在本实施例中，上述执行主体可以从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间。

步骤608，输出所确定出的相似度区间对应的跟读评价。之后，执行步骤609。

在本实施例中，上述执行主体可以输出所确定出的相似度区间对应的跟读评价。

步骤609，计算得到的相似度是否小于等于预先设置的相似度阈值。之后，若是，则执行步骤603；若否，则执行步骤610。

在本实施例中，上述执行主体可以计算得到的相似度是否小于等于预先设置的相似度阈值。

在这里，上述步骤603-步骤609可以为跟读步骤。

可选的，上述执行主体还可以执行如下步骤610。

步骤610，获取待跟读音频序列中该待跟读音频的下一个待跟读音频。之后，执行步骤603。

在本实施例的一些可选的实现方式中，上述执行主体还可以获取待跟读音频序列中该待跟读音频的下一个待跟读音频。

需要说明的是，除上述所记载的内容外，本实施例还可以包括与图2对应的实施例相同的特征，以及产生相同的有益效果，本申请实施例在此不再赘述。

目前，通常采用将待跟读语音与实际跟读语音进行语音匹配的方式，或者，采用待跟读语音对应的文本与实际跟读语音对应的文本进行字符串匹配的方式，从而通过判断二者是否一致，来确定跟读是否准确。在采用将待跟读语音与实际跟读语音进行语音匹配的方式中，需要获得原始的音频文件。但因为安全和隐私的关系，实际跟读音频文件并不会发送给后端，因而，该方法在智能语音音箱的技能开发上，是行不通的。在采用待跟读语音对应的文本与实际跟读语音对应的文本进行字符串匹配的方式中，往往采用简单地字符串匹配，如果字符串完全一致，则确定跟读语音准确；反之，则认为跟读语音不准确。该方法误差较大，常常因为语音识别的错误，导致最终的判断错误。然而，一些情况下，跟读者可能由于年龄较小、口吃、国籍、籍贯等因素，而无法准确地发出与智能设备相同的音频，或者，由于语音识别存在误差，可能导致智能设备认为语音跟读者所发出的音频与智能设备不同。可见，现有技术中，存在为上述人群确定新的跟读方案的需求。

本公开的上述实施例提供的方法，通过响应于接收到用户的跟读指令，输出待跟读音频，然后，获取用户对待跟读音频进行跟读得到的实际跟读音频，之后，对实际跟读音频进行语音识别，得到识别结果，随后，基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度，接着，从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间，最后，输出所确定出的相似度区间对应的跟读评价，由此，基于计算实际跟读音频与待跟读音频之间的相似度，来判断跟读者发出的跟读音频的准确性，从而可以帮助上述跟读者提高学习效率和学习兴趣，进而提高用户对设备的使用率。此外，本方案可以在终端设备(例如音箱)执行，而无需将实际跟读音频文件发送给后端服务器，由此，提高了用户信息的安全性，节约了网络资源的占用。

请继续参考图7，作为对上述各图所示方法的实现，本公开提供了另一种用于输出信息的装置的一个实施例，该装置实施例与图6所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图6所示的方法实施例相同或相应的特征。该装置具体可以应用于各种电子设备中。

如图7所示，本实施例的用于输出信息的装置700包括：第三输出单元701被配置成响应于接收到用户的跟读指令，输出待跟读音频序列，以及针对待跟读音频序列中的每个待跟读音频，执行如下跟读步骤：输出该待跟读音频；获取用户对该待跟读音频进行跟读得到的实际跟读音频；对所获取到的实际跟读音频进行语音识别，得到识别结果；基于所得到的识别结果对应的字符串和该待跟读音频对应的字符串，计算所获取到的实际跟读音频与该待跟读音频之间的相似度；从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间；输出所确定出的相似度区间对应的跟读评价；第一继续执行单元702被配置成响应于确定计算得到的相似度小于等于预先设置的相似度阈值，基于该待跟读音频，继续执行跟读步骤。

在本实施例中，上述用于输出信息的装置700包括的第三输出单元701可以响应于接收到用户的跟读指令，输出待跟读音频序列，以及针对待跟读音频序列中的每个待跟读音频，执行如下跟读步骤：输出该待跟读音频；获取用户对该待跟读音频进行跟读得到的实际跟读音频；对所获取到的实际跟读音频进行语音识别，得到识别结果；基于所得到的识别结果对应的字符串和该待跟读音频对应的字符串，计算所获取到的实际跟读音频与该待跟读音频之间的相似度；从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间；输出所确定出的相似度区间对应的跟读评价。

在本实施例中，响应于确定第三输出单元701计算得到的相似度小于等于预先设置的相似度阈值，第一继续执行单元702可以基于该待跟读音频，继续执行上述跟读步骤。

在本实施例的一些可选的实现方式中，该装置还可以包括：第二继续执行单元(图中未示出)被配置成响应于确定计算得到的相似度大于相似度阈值，基于待跟读音频序列中该待跟读音频的下一个待跟读音频，继续执行跟读步骤。

本公开的上述实施例提供的装置，通过第三输出单元701响应于接收到用户的跟读指令，输出待跟读音频序列，以及针对待跟读音频序列中的每个待跟读音频，执行如下跟读步骤：输出该待跟读音频；获取用户对该待跟读音频进行跟读得到的实际跟读音频；对所获取到的实际跟读音频进行语音识别，得到识别结果；基于所得到的识别结果对应的字符串和该待跟读音频对应的字符串，计算所获取到的实际跟读音频与该待跟读音频之间的相似度；从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间；输出所确定出的相似度区间对应的跟读评价，然后，响应于确定计算得到的相似度小于等于预先设置的相似度阈值，第一继续执行单元702基于该待跟读音频，继续执行跟读步骤，从而可以帮助跟读者提高学习效率和学习兴趣，进而提高用户对设备的使用率。

下面参考图8，其示出了适于用来实现本申请实施例的电子设备的计算机系统800的结构示意图。图8示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图8所示，计算机系统800包括中央处理单元(cpu)801，其可以根据存储在只读存储器(rom)802中的程序或者从存储部分808加载到随机访问存储器(ram)803中的程序而执行各种适当的动作和处理。在ram803中，还存储有系统800操作所需的各种程序和数据。cpu801、rom802以及ram803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。

以下部件连接至i/o接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至i/o接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(cpu)801执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本公开所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如python、java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一输出单元、获取单元、识别单元、计算单元、确定单元和第二输出单元。或者，可以描述为：一种处理器包括第三输出单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一输出单元还可以被描述为“输出待跟读音频的单元”。

作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的终端设备中所包含的；也可以是单独存在，而未装配入该终端设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该终端设备执行时，使得该终端设备：响应于接收到用户的跟读指令，输出待跟读音频；获取用户对待跟读音频进行跟读得到的实际跟读音频；对实际跟读音频进行语音识别，得到识别结果；基于识别结果对应的字符串和待跟读音频对应的字符串，计算实际跟读音频与待跟读音频之间的相似度；从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间；输出所确定出的相似度区间对应的跟读评价。或者，使得该终端设备：响应于接收到用户的跟读指令，输出待跟读音频序列，以及针对待跟读音频序列中的每个待跟读音频，执行如下跟读步骤：输出该待跟读音频；获取用户对该待跟读音频进行跟读得到的实际跟读音频；对所获取到的实际跟读音频进行语音识别，得到识别结果；基于所得到的识别结果对应的字符串和该待跟读音频对应的字符串，计算所获取到的实际跟读音频与该待跟读音频之间的相似度；从预先确定的相似度区间集合中，确定所计算得到的相似度所属的相似度区间；输出所确定出的相似度区间对应的跟读评价；响应于确定计算得到的相似度小于等于预先设置的相似度阈值，基于该待跟读音频，继续执行跟读步骤。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。