一种基于动态调整机制的口才训练方法与流程

本发明涉及演讲训练领域，特别是涉及一种基于动态调整机制的口才训练方法。

背景技术：

1、口才，又称口头表达的能力，是人际交往中不可或缺的一部分，其在人际交往中的作用历来被人们所看重；一个拥有良好口才的人，不仅能够清晰地表达自己的想法和观点，还能够有效地与他人沟通，达成共识和合作。现有的口才训练方法主要包括朗读与朗诵、复述法、背诵法、自我录音摄像、速读训练和即兴朗读，这些方法都是用户通过人工的方式根据自身的训练效果不断进行经验积累；在人机交互方面，主要是通过机器人采集用户的口才训练状态并与标准状态进行比对，从而实现对口才训练进行指导。

2、但是，不论是单独进行训练还是通过人机交互的方式进行训练，这些传统方法都难以根据用户的口才水平和需求提供个性化的训练计划，导致用户的进步受限；并且，传统方法通常只关注少数口才维度，如发音准确性和流畅度，而忽视了其他重要的维度，如语言流畅度、表情传递和情感识别；此外，传统方法通常是通过手动的方式来进行信息反馈，会导致反馈的延迟，严重影响用户的学习进度。

技术实现思路

1、本发明提供一种基于动态调整机制的口才训练方法，以解决难以生成能够及时进行反馈的综合个性化口才训练方法的问题。

2、为了解决上述问题，本发明提供了一种基于动态调整机制的口才训练方法，包括：

3、采集用户的语音数据，并从用户的语音数据中获取口才维度指标；

4、根据所述口才维度指标，通过计算匹配度的方式，得到规则匹配度指数；

5、根据所述语音数据的口才维度得分、听众关注度以及所述用户的训练目标，分别计算得到训练计划指数、用户关注度指标和权重分配参数；

6、根据所述口才维度指标、规则匹配度指数、训练计划指数、用户关注度指标和权重分配参数，生成初始计划；

7、通过预设的规则调整权重实时调整所述初始计划的训练难度，得到第一训练计划；

8、根据所述用户在口才维度上的表现力以及与口才规则之间的匹配程度，分别生成第二训练计划和第三训练计划；

9、由所述第一训练计划、第二训练计划和第三训练计划构成口才训练方法。

10、本发明中，由于规则匹配度指数是通过计算匹配度的方式得到的，所以能够体现出在当前口才训练规则下，用户与第一训练计划的适配度，并且，根据口才维度得分和听众关注度，分别计算得到的训练计划指数和用户关注度指标，可以反映出用户的综合口才情况以及情感表现能力，进而使得在此基础上生成的第一训练计划能够为用户提供针对性较强的专业口才练习和建议；并且，第一训练计划是通过规则调整权重实时进行训练难度调整而得到，所以能够在第一时间对当前的方案进行改善，使用户得到更好的训练效果；此外，由于第二训练计划和第三训练计划是根据用户在口才维度上的表现力以及与口才规则之间的匹配程度生成的，所以能够侧重于考虑用户的训练目标和实际训练的差距，以及能够通过分析用户的表现和规则的匹配程度，来提供更加精细化的训练方向，使得最后生成的口才训练方法拥有综合性极强的训练效果。

11、相比于现有技术，本发明通过生成三种不同类型的训练计划以构成口才训练方法，能够在提供综合性口才训练的同时，为用户提供个性化的训练内容；并且，通过规则调整权重对计划难度进行实时调整的方式，可以根据用户的反馈对计划进行修缮，以达到更好的训练效果，能够解决难以生成能够及时进行反馈的综合个性化口才训练方法的问题。

12、作为优选方案，通过预设的规则调整权重实时调整所述初始计划的训练难度，得到第一训练计划，具体为：

13、根据所述用户在所述初始计划上的训练情况，实时获取口才维度指标和规则匹配度指数，得到实时口才维度指标和实时规则匹配度指数；

14、根据所述实时规则匹配度指数、所述实时口才维度指标的总数和权重，计算得到所述规则调整权重；

15、若所述规则调整权重超过预设值，则提高所述初始计划的训练难度，得到所述第一训练计划；

16、若所述规则调整权重低于所述预设值，则降低所述初始计划的训练难度，得到所述第一训练计划。

17、本优选方案中，由于规则调整权重是通过实时获取的口才维度指标和规则匹配度指数建立的，所以能够及时地反映用户当前在初始计划上的训练难易情况，体现出在当前口才训练规则的情况下，用户与初始计划的适配度，因此，根据规则调整权重的数值大小对初始计划的训练难度程度进行调整，能够在第一时间对当前的方案进行改善，使用户得到更好的训练效果。

18、作为优选方案，从用户的语音数据中获取口才维度指标，具体为：

19、通过参数计算的方式从所述用户的语音数据中获取所述口才维度指标；其中，所述口才维度指标包括发音准确性指标、语速指标、语言流畅度指标、表情表达指标、姿势与肢体语言指标、语言清晰度指标、内容结构指标、语言多样性指标、情感识别指标和修辞花样指标；

20、其中，所述发音准确性指标是根据正确发音的次数计算得到，所述表情表达指标是根据面部表情和语言表达的一致性次数计算得到，所述语言清晰度指标是根据清晰发音的次数计算得到，所述情感识别指标是根据情感识别的准确率计算得到，所述修辞花样指标是根据修辞花样的使用丰富度计算得到。

21、本优选方案的口才维度指标包含了语言文本、内在情感和外在肢体语言在内的多种角度信息，这种考虑多方面信息的方式，可以培养用户的综合口才素质，并且有助于口才水平的全面发展，能够更好地帮助用户克服口才短板，取得更好的训练效果。

22、作为优选方案，根据所述口才维度指标，通过计算匹配度的方式，得到规则匹配度指数，具体为：

23、根据所述口才维度指标中的发音准确性指标、语速指标、语言流畅度指标、表情表达指标、姿势与肢体语言指标、语言清晰度指标、内容结构指标、语言多样性指标、情感识别指标和修辞花样指标，通过计算平均值的方式，得到所述规则匹配度指数。

24、本优选方案的规则匹配度指数是根据多个维度的信息进行综合计算得到的，所以能够较为客观地反映出规则定义与用户口才演讲之间的匹配度，使规则匹配度指数能够作为一个客观数值为后续计算提供有力的数据支持。

25、作为优选方案，根据所述语音数据的口才维度得分，计算得到训练计划指数，具体为：

26、根据所述语音数据中口才维度指标的总数、所述口才维度指标的权重、所述用户在所述口才维度指标上的得分和所述规则匹配度指数，计算得到所述训练计划指数。

27、本优选方案中的训练计划指数是根据用户在口才维度上的表现信息计算得到的，所以能够作为一个综合口才维度指标和个性化需求的指数，来反映用户的综合训练情况，使在此基础上生成的第一训练计划与用户拥有较高的适配度。

28、作为优选方案，根据所述语音数据的听众关注度，计算得到用户关注度指标，具体为：

29、通过人工智能技术对所述语音数据进行场景重构，得到所述用户的虚拟演讲场景；

30、通过语言情感分析和听众反馈调查的方式，对所述虚拟演讲场景进行信息获取，得到听众反馈情感得分、听众数目和听众反馈时长；

31、根据所述听众反馈情感得分、所述听众数目和所述听众反馈时长，计算得到所述用户关注度指标。

32、本优选方案通过场景重构的方式，能够在最大程度上为用户构建出一个虚拟的演讲场景，从而得到虚拟听众关于语音数据的反馈信息；这种场景模拟的方式，可以在一定程度上替代真实场景中的实验和操作，降低成本和风险，并且拥有很强的灵活性，能够随时根据要求进行调整；此外，通过模拟现实演讲中的复杂环境和条件，可以对用户的表现进行客观评估，使所得到的用户关注度指标拥有较高的客观性。

33、作为优选方案，根据所述用户在口才维度上的表现力，生成第二训练计划，具体为：

34、根据所述用户在所述口才维度指标上的差距得分、差距得分权重和目标权重，生成初始第二训练计划；其中，所述差距得分权重和目标权重是通过映射维度重要性的方式而建立；

35、根据预设的练习内容，通过元素排序的方式建立智能练习内容；

36、根据所述初始第二训练计划和所述智能练习内容，生成所述第二训练计划。

37、本优选方案中，第二训练计划的智能练习内容是通过元素排序的方式建立的，所以能够确保用户首先接触到相关性最强且最有效的练习内容，提高用户的训练效果；

38、并且，由于第二训练计划是在口才维度指标上的差距得分、差距得分权重和目标权重的基础上建立的，所以侧重于考虑用户的训练目标和实际训练的差距，使用户取得更好的训练效果。

39、作为优选方案，根据预设的练习内容，通过元素排序的方式建立智能练习内容，具体为：

40、根据预设的用户口才维度指标集合、用户个性化得分向量、练习内容和维度权重矩阵生成训练方案；其中，所述练习内容包括口语练习、情景模拟、修辞花样训练和主题演讲；

41、按照练习内容得分向量集中的元素，对所述训练方案中的不同训练内容进行排序，得到所述智能练习内容；其中，所述练习内容得分向量集是根据所述训练方案中的不同内容在口才维度上的匹配程度而建立。

42、本优选方案所构建的训练方案拥有包括口语练习、情景模拟、修辞花样训练和主题演讲在内的丰富训练内容，可以全方位地帮助用户进行口才训练。

43、作为优选方案，根据所述用户与口才规则之间的匹配程度，生成第三训练计划，具体为：

44、从所述语音数据中获取发音准确性指标、语言流畅度指标、表达清晰度指标、语速变化度指标、情感识别指标和主题一致性指标；

45、根据所述发音准确性指标、语言流畅度指标、表达清晰度指标、语速变化度指标、情感识别指标和主题一致性指标以及各指标对应的权重，计算得到所述用户与口才规则之间的规则匹配指数；

46、根据所述规则匹配指数生成所述第三训练计划。

47、本优选方案通过分析用户的表现和规则的匹配程度，来提供更加精细化的训练方向，能够让第三训练计划在提供完善的训练方案的同时，让该方案的个性化程度更高，对用户的口才短板训练拥有更强的针对性。

48、作为优选方案，在所述生成所述第二训练计划之后，还包括：

49、通过实时监测所述用户在所述第二训练计划上的演讲表现，按照预设的权重调整方式、问题识别方式和规则匹配方式对所述第二训练计划进行动态调整；

50、其中，所述权重调整方式是根据口才维度加权平均分和动态调整权重指数对所述第二训练计划的权重进行调整，所述问题识别方式是通过问题识别分数对口才问题进行识别和改进，所述规则匹配方式是通过规则应用指数提高口才规则的应用程度。

51、本优选方案是从三个方面对第二训练计划进行动态调整；其中，权重调整方式能够调整第二训练计划的难易程度，问题识别方式能够改善第二训练计划的口才问题，规则匹配方式能够提高第二训练计划中口才规则的应用程度，这种动态调整的方式能够在第一时间根据用户的表现对第二训练计划进行修改，提高训练效果。

52、本发明还提供了一种基于动态调整机制的口才训练装置，包括获取模块、匹配模块、参数模块、初始模块、构建模块、生成模块和集成模块；

53、其中，所述获取模块，用于采集用户的语音数据，并从用户的语音数据中获取口才维度指标；

54、所述匹配模块，用于根据所述口才维度指标，通过计算匹配度的方式，得到规则匹配度指数；

55、所述参数模块，用于根据所述语音数据的口才维度得分、听众关注度以及所述用户的训练目标，分别计算得到训练计划指数、用户关注度指标和权重分配参数；

56、所述初始模块，用于根据所述口才维度指标、规则匹配度指数、训练计划指数、用户关注度指标和权重分配参数，生成初始计划；

57、所述构建模块，用于通过预设的规则调整权重实时调整所述初始计划的训练难度，得到第一训练计划；

58、所述生成模块，用于根据所述用户在口才维度上的表现力以及与口才规则之间的匹配程度，分别生成第二训练计划和第三训练计划；

59、所述集成模块，用于由所述第一训练计划、第二训练计划和第三训练计划构成口才训练方法。

60、作为优选方案，所述构建模块包括获取单元、规则单元、提高单元和降低单元；

61、其中，所述获取单元，用于根据所述用户在所述初始计划上的训练情况，实时获取口才维度指标和规则匹配度指数，得到实时口才维度指标和实时规则匹配度指数；

62、所述规则单元，用于根据所述实时规则匹配度指数、所述实时口才维度指标的总数和权重，计算得到所述规则调整权重；

63、所述提高单元，用于若所述规则调整权重超过预设值，则提高所述初始计划的训练难度，得到所述第一训练计划；

64、所述降低单元，用于若所述规则调整权重低于所述预设值，则降低所述初始计划的训练难度，得到所述第一训练计划。

65、作为优选方案，所述获取模块具体为：

66、通过参数计算的方式从所述用户的语音数据中获取所述口才维度指标；其中，所述口才维度指标包括发音准确性指标、语速指标、语言流畅度指标、表情表达指标、姿势与肢体语言指标、语言清晰度指标、内容结构指标、语言多样性指标、情感识别指标和修辞花样指标；

67、其中，所述发音准确性指标是根据正确发音的次数计算得到，所述表情表达指标是根据面部表情和语言表达的一致性次数计算得到，所述语言清晰度指标是根据清晰发音的次数计算得到，所述情感识别指标是根据情感识别的准确率计算得到，所述修辞花样指标是根据修辞花样的使用丰富度计算得到。

68、作为优选方案，所述匹配模块具体为：

69、根据所述口才维度指标中的发音准确性指标、语速指标、语言流畅度指标、表情表达指标、姿势与肢体语言指标、语言清晰度指标、内容结构指标、语言多样性指标、情感识别指标和修辞花样指标，通过计算平均值的方式，得到所述规则匹配度指数。

70、作为优选方案，所述参数模块包括参数单元；

71、其中，所述参数单元，用于根据所述语音数据中口才维度指标的总数、所述口才维度指标的权重、所述用户在所述口才维度指标上的得分和所述规则匹配度指数，计算得到所述训练计划指数。

72、作为优选方案，所述参数模块包括关注度第一单元、关注度第二单元和关注度第三单元；

73、其中，所述关注度第一单元，用于通过人工智能技术对所述语音数据进行场景重构，得到所述用户的虚拟演讲场景；

74、所述关注度第二单元，用于通过语言情感分析和听众反馈调查的方式，对所述虚拟演讲场景进行信息获取，得到听众反馈情感得分、听众数目和听众反馈时长；

75、所述关注度第三单元，用于根据所述听众反馈情感得分、所述听众数目和所述听众反馈时长，计算得到所述用户关注度指标。

76、作为优选方案，所述生成模块包括第一生成单元、第二生成单元和第三生成单元；

77、其中，所述第一生成单元，用于根据所述用户在所述口才维度指标上的差距得分、差距得分权重和目标权重，生成初始第二训练计划；其中，所述差距得分权重和目标权重是通过映射维度重要性的方式而建立；

78、所述第二生成单元，用于根据预设的练习内容，通过元素排序的方式建立智能练习内容；

79、所述第三生成单元，用于根据所述初始第二训练计划和所述智能练习内容，生成所述第二训练计划。

80、作为优选方案，所述第二生成单元包括第一子单元和第二子单元；

81、其中，所述第一子单元，用于根据预设的用户口才维度指标集合、用户个性化得分向量、练习内容和维度权重矩阵生成训练方案；其中，所述练习内容包括口语练习、情景模拟、修辞花样训练和主题演讲；

82、所述第二子单元，用于按照练习内容得分向量集中的元素，对所述训练方案中的不同训练内容进行排序，得到所述智能练习内容；其中，所述练习内容得分向量集是根据所述训练方案中的不同内容在口才维度上的匹配程度而建立。

83、作为优选方案，所述生成模块包括第四生成单元、第五生成单元和第六生成单元；

84、其中，所述第四生成单元，用于从所述语音数据中获取发音准确性指标、语言流畅度指标、表达清晰度指标、语速变化度指标、情感识别指标和主题一致性指标；

85、所述第五生成单元，用于根据所述发音准确性指标、语言流畅度指标、表达清晰度指标、语速变化度指标、情感识别指标和主题一致性指标以及各指标对应的权重，计算得到所述用户与口才规则之间的规则匹配指数；

86、所述第六生成单元，用于根据所述规则匹配指数生成所述第三训练计划。

87、作为优选方案，在所述生成所述第二训练计划之后，还包括调整单元；

88、其中，所述调整单元，用于通过实时监测所述用户在所述第二训练计划上的演讲表现，按照预设的权重调整方式、问题识别方式和规则匹配方式对所述第二训练计划进行动态调整；

89、其中，所述权重调整方式是根据口才维度加权平均分和动态调整权重指数对所述第二训练计划的权重进行调整，所述问题识别方式是通过问题识别分数对口才问题进行识别和改进，所述规则匹配方式是通过规则应用指数提高口才规则的应用程度。

90、本发明还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被计算机调用并执行，实现如上所述一种基于动态调整机制的口才训练方法。