表达能力评估方法、装置、存储介质及计算机设备

摘要

本申请公开了一种表达能力评估方法、装置、存储介质及计算机设备。该方法包括：在面试过程中，对面试对象进行语音采集，得到该面试对象的语音信息；对该面试对象的语音信息进行语音识别处理，得到语音识别结果；根据该语音识别结果，对该面试对象进行表达能力分析，得到该面试对象的表达能力分析结果；根据该面试对象的表达能力分析结果，对该面试对象进行表达能力评估，得到该面试对象的表达能力评估结果。本申请可以较为客观地对面试对象的表达能力进行评估。

说明书

技术领域

本申请属于电子技术领域，尤其涉及一种表达能力评估方法、装置、存储介质及计算机设备。

背景技术

表达能力是职场办公的重要能力，因此在面试过程中，表达能力也是考核的核心因子之一。目前在面试过程中对表达能力的评估，大都依赖于面试官在面试过程中对面试对象进行表达能力的主观评估，评估不够客观。

发明内容

本申请实施例提供一种表达能力评估方法、装置、存储介质及计算机设备，可以较为客观地对面试对象的表达能力进行评估。

第一方面，本申请实施例提供一种表达能力评估方法，包括：

在面试过程中，对面试对象进行语音采集，得到所述面试对象的语音信息；

对所述面试对象的语音信息进行语音识别处理，得到语音识别结果；

根据所述语音识别结果，对所述面试对象进行表达能力分析，得到所述面试对象的表达能力分析结果；

根据所述面试对象的表达能力分析结果，对所述面试对象进行表达能力评估，得到所述面试对象的表达能力评估结果。

第二方面，本申请实施例提供一种表达能力评估装置，包括：

语音采集模块，用于在面试过程中，对面试对象进行语音采集，得到所述面试对象的语音信息；

语音识别模块，用于对所述面试对象的语音信息进行语音识别处理，得到语音识别结果；

能力分析模块，用于根据所述语音识别结果，对所述面试对象进行表达能力分析，得到所述面试对象的表达能力分析结果；

能力评估模块，用于根据所述面试对象的表达能力分析结果，对所述面试对象进行表达能力评估，得到所述面试对象的表达能力评估结果。

第三方面，本申请实施例提供一种计算机设备，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，其中，所述处理器执行所述计算机程序时实现本申请实施例提供的表达能力评估方法的步骤。

第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，当计算机程序在计算机上运行时，使得所述计算机执行本申请实施例提供的表达能力评估方法的步骤。

本申请实施例中，通过在面试过程中，对面试对象进行语音采集，得到所述面试对象的语音信息；对所述面试对象的语音信息进行语音识别处理，得到语音识别结果；根据所述语音识别结果，对所述面试对象进行表达能力分析，得到所述面试对象的表达能力分析结果；根据所述面试对象的表达能力分析结果，对所述面试对象进行表达能力评估，得到所述面试对象的表达能力评估结果，由此，可以实现由计算机设备基于面试对象的语音信息对面试对象的表达能力进行评估，不会掺杂面试官的主观评估因素，如面试官的心情、个人喜好等，评估较为客观。

附图说明

下面结合附图，通过对本申请的具体实施方式详细描述，将使本申请的技术方案及其有益效果显而易见。

图1是本申请实施例提供的表达能力评估方法的第一种流程示意图。

图2是本申请实施例提供的表达能力评估方法的第二种流程示意图。

图3是本申请实施例提供的表达能力评估方法的第一种场景示意图。

图4是本申请实施例提供的表达能力评估方法的第二种场景示意图。

图5是本申请实施例提供的表达能力评估装置的结构示意图。

图6是本申请实施例提供的计算机设备的结构示意图。

具体实施方式

应当说明的是，本申请中的术语“第一”和“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是某些实施例还包括没有列出的步骤或模块，或某些实施例还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本申请实施例提供一种表达能力评估方法、表达能力评估装置、存储介质及计算机设备，其中表达能力评估方法的执行主体可以是本申请实施例提供的表达能力评估装置，或者集成了该表达能力评估装置的计算机设备，其中该表达能力评估装置可以采用硬件或者软件的方式实现。其中，计算机设备可以是智能手机、平板电脑、掌上电脑、笔记本电脑等配置有处理器而具有表达能力评估能力的设备。

请参阅图1，图1是本申请实施例提供的表达能力评估方法的第一种流程示意图，流程可以包括：

在步骤101中，在面试过程中，对面试对象进行语音采集，得到该面试对象的语音信息。

表达能力是职场办公的重要能力，因此在面试过程中，表达能力也是考核的核心因子之一。目前在面试过程中对表达能力的评估，大都依赖于面试官在面试过程中对面试对象进行表达能力的主观评估，评估不够客观。此方法存在以下几个问题：

1、评估标准不统一，依赖于面试官主观感觉

在面试时，面试官通过现场的谈话，对面试对象进行表达能力评估时，都是基于个人的主观判断，除了面试对象自身的表达能力外，也有其他的因素影响面试官的评估结果，如面试官的心情、面试环境、喜好等等。

2、评估结论无法量化，不能客观传递

面试结束后，在面试结果上，对表达能力的评价大都是好或者坏两种简单的结果。在多轮面试场景下，下一轮面试官对表达能力无法获取真实、客观的认知，如无法确定是哪个维度的表达能力好或者坏。

综上，在对表达能力的评估方面，缺乏合理、客观的方法。

本实施例中，在面试过程中，如基于银行或金融机构等的招聘的面试过程中，可以每隔预设时长对面试对象进行语音采集，得到该面试对象的语音信息。

在一可选地实施例中，由于面试场景中，通常由面试官提出相应的问题或引导，再由面试对象针对面试官提出的问题或引导进行相应的答复，因此，面试场景通常围绕面试官说话→面试对象说话→面试官说话→面试对象说话进行。而本申请实施例是为了对面试对象的表达能力进行评估，因此，无需获取面试官的语音信息，而仅需获取面试对象的语音信息，那么，可以基于面试官的声纹信息来获取面试对象的语音信息。具体的，可以预先存储面试官的声纹信息，在面试过程中，直接对整个面试过程中的语音进行语音采集，得到一整段语音信息。然后，将该整段语音信息中声纹信息与面试官的声纹信息匹配的语音信息去除，从而得到多段语音信息，而每段语音信息均可作为面试对象的语音信息，并进行后续流程。

在步骤102中，对该面试对象的语音信息进行语音识别处理，得到语音识别结果。

本实施例中，当得到面试对象的语音信息之后，可以对该面试对象的语音信息进行语音识别处理，得到语音识别结果。

比如，当得到面试对象的语音信息之后，可以采用相应的语音识别算法对该面试对象的语音信息进行语音识别处理，得到语音识别结果。该语音识别算法可以包括基于动态时间规则算法、基于参数模型的隐马尔可夫算法和基于非参数模型的矢量量化算法以及其他各种本领域技术人员所熟知的语音识别算法，在此不作具体限制。

语音识别结果通常为对应于语音信息的文字信息。例如，假设面试对象说出的语音信息为“我叫啊张三额”，则语音识别结果为“我叫啊张三额”。又例如，假设面试对象说出的语音信息为“今年28额岁，毕业于嗯帝京师范大学”，则语音识别结果为“今年28额岁，毕业于嗯帝京师范大学”。

在步骤103中，根据该语音识别结果，对该面试对象进行表达能力分析，得到该面试对象的表达能力分析结果。

本实施例中，在得到语音识别结果之后，可以根据该语音识别结果，对该面试对象进行表达能力分析，得到该面试对象的表达能力分析结果。

比如，表达能力分析结果可以包括面试对象说出预设卡顿字，如啊、阿、嗯、额、嗯、咦等字的数量，即预设卡顿字的出现数量，则在语音识别结果为“我叫啊张三额，今年28额岁，毕业于嗯帝京师范大学”时，可以确定预设卡顿字的出现数量为4。

又比如，表达能力分析结果也可以包括面试对象说出相邻预设卡顿字之间间隔的最小字数，则在语音识别结果为“我叫啊张三额，今年28额岁，毕业于嗯帝京师范大学”时，可以确定面试对象说出相邻预设卡顿字之间间隔的字数分别为2(啊和额之间间隔张三)、4(额和额之间间隔“今年28”)、4(额和嗯之间间隔“岁毕业于”)，则可以确定面试对象说出相邻预设卡顿字之间间隔的最小字数为2。

在步骤104中，根据该面试对象的表达能力分析结果，对该面试对象进行表达能力评估，得到该面试对象的表达能力评估结果。

本实施例中，当得到面试对象的表达能力分析结果之后，计算机设备根据该面试对象的表达能力分析结果，对该面试对象进行表达能力评估，得到该面试对象的表达能力评估结果。

比如，可以直接将表达能力分析结果作为表达能力评估结果，那么，假设表达能力分析结果包括预设卡顿字出现数量为4，则表达能力评估结果包括预设卡顿字出现数量为4；假设表达能力分析结果包括面试对象说出相邻预设卡顿字之间间隔的最小字数为2，则表达能力评估结果包括面试对象说出相邻预设卡顿字之间间隔的最小字数为2。

又比如，表达能力评估结果包括表达能力评估等级，当得到面试对象的表达能力分析结果之后，计算机设备根据该面试对象的表达能力分析结果，对该面试对象进行表达能力评估，得到该面试对象的表达能力评估等级。

例如，可以预先基于预设卡顿字出现数量进行分级，例如，假设分为“优、良、好和差”四个等级，可以将预设卡顿字出现数量等于0设置为对应“优”等级，将预设卡顿字出现数量大于0，且小于或等于5设置为对应“良”等级，将预设卡顿字出现数量大于5，且小于或等于10设置为对应“好”等级，将预设卡顿字出现数量大于10设置为对应“差”等级，假设表达能力分析结果包括预设卡顿字出现数量为4，则可以确定该面试对象的表达能力评估结果为“良”等级。

又例如，可以预先基于面试对象说出相邻预设卡顿字之间间隔的最小字数进行分级，例如，假设分为“优、良、好和差”四个等级，可以将相邻预设卡顿字之间间隔的最小字数大于或等于100设置为对应“优”等级，将相邻预设卡顿字之间间隔的最小字数小于100，且大于或等于50设置为对应“良”等级，将相邻预设卡顿字之间间隔的最小字数小于50，且大于或等于20设置为对应“好”等级，将相邻预设卡顿字之间间隔的最小字数小于20设置为对应“差”等级，假设表达能力分析结果包括面试对象说出相邻预设卡顿字之间间隔的最小字数为2，则可以确定该面试对象的表达能力评估结果为“差”等级。

本实施例中，通过在面试过程中，对面试对象进行语音采集，得到所述面试对象的语音信息；对所述面试对象的语音信息进行语音识别处理，得到语音识别结果；根据所述语音识别结果，对所述面试对象进行表达能力分析，得到所述面试对象的表达能力分析结果；根据所述面试对象的表达能力分析结果，对所述面试对象进行表达能力评估，得到所述面试对象的表达能力评估结果，由此，可以实现由计算机设备基于面试对象的语音信息对面试对象的表达能力进行评估，不会掺杂面试官的主观评估因素，如面试官的心情、个人喜好等，评估较为客观。

在一可选地实施例中，该根据该语音识别结果，对该面试对象进行表达能力分析，得到该面试对象的表达能力分析结果，可以包括：

根据该语音识别结果，对该面试对象进行多个维度的表达能力分析，得到该面试对象在多个维度的表达能力分析结果；

该根据该面试对象的表达能力分析结果，对该面试对象进行表达能力评估，得到该面试对象的表达能力评估结果，可以包括：

根据该面试对象在多个维度的表达能力分析结果，对该面试对象进行表达能力评估，得到该面试对象在多个维度的表达能力评估结果。

考虑到从多个维度对面试对象进行表达能力评估可以更为客观、全面地表征面试对象的表达能力，因此，本实施例中，当得到语音识别结果之后，可以对该面试对象进行多个维度的表达能力分析，得到该面试对象在多个维度的表达能力分析结果。而根据每个表达能力分析结果，可以对该面试对象进行表达能力评估，得到该面试对象在每个维度的表达能力评估结果，从而得到该面试对象在多个维度的表达能力评估结果。

比如，假设面试对象的表达能力分析结果包括预设卡顿字出现数量和面试对象说出相邻预设卡顿字之间间隔的最小字数，则表达能力评估结果可以包括表征“预设卡顿字出现数量”的表达能力评估等级和表征“面试对象说出相邻预设卡顿字之间间隔的最小字数”的表达能力评估等级这两个维度的表达能力评估结果。

例如，可以预先基于预设卡顿字出现数量进行分级，例如，假设分为“优、良、好和差”四个等级，可以将预设卡顿字的数量等于0设置为对应“优”等级，将预设卡顿字的数量大于0，且小于或等于5设置为对应“良”等级，将预设卡顿字的数量大于5，且小于或等于10设置为对应“好”等级，将预设卡顿字的数量大于10设置为对应“差”等级，假设预设卡顿字出现数量为4，则可以确定表征“预设卡顿字出现数量”的表达能力评估等级为“良”等级。还可以预先基于面试对象说出相邻预设卡顿字之间间隔的最小字数进行分级，例如，假设分为“优、良、好和差”四个等级，可以将相邻预设卡顿字之间间隔的最小字数大于或等于100设置为对应“优”等级，将相邻预设卡顿字之间间隔的最小字数小于100，且大于或等于50设置为对应“良”等级，将相邻预设卡顿字之间间隔的最小字数小于50，且大于或等于20设置为对应“好”等级，将相邻预设卡顿字之间间隔的最小字数小于20设置为对应“差”等级，假设表达能力分析结果包括面试对象说出相邻预设卡顿字之间间隔的最小字数为2，则可以确定表征“面试对象说出相邻预设卡顿字之间间隔的最小字数”的表达能力评估等级为“差”等级。

在一可选地实施例中，该根据该语音识别结果，对该面试对象进行多个维度的表达能力分析，得到该面试对象在多个维度的表达能力分析结果，可以包括：

(1)确定该语音识别结果中的预设卡顿字的数量，得到第一数量；

(2)确定该语音识别结果的所有字的数量，得到第二数量；

(3)计算该第一数量与该第二数量的商，得到预设卡顿字的出现频率；

(4)将该预设卡顿字的出现频率作为该面试对象在一个维度的表达能力分析结果；

(5)获取采集该语音信息所需的时间，得到语音采集时间；

(6)计算该第二数量与该语音采集时间的商，得到该面试对象的平均吐字时间；

(7)将该面试对象的平均吐字时间作为该面试对象在另一个维度的表达能力分析结果。

比如，假设语音识别结果为“我叫啊张三额，今年28额岁，毕业于嗯北京师范大学，主修嗯计算额机专业”，可以确定该语音识别结果中的预设卡顿字，如啊、额、嗯、阿等字的数量，即第一数量为6，而该语音识别结果的所有字的数量，即第二数量为31，则该预设卡顿字的出现频率为6/31，即0.19；假设采集该语音识别结果对应的语音信息所需的时间，即语音采集时间为20.2s，则该面试对象的平均吐字时间为0.65。

在一可选地实施例中，该根据该面试对象在多个维度的表达能力分析结果，对该面试对象进行表达能力评估，得到该面试对象在多个维度的表达能力评估结果，可以包括：

(1)根据该预设卡顿字的出现频率，确定该面试对象的第一表达能力等级；

(2)将该第一表达能力等级作为该面试对象在一个维度的表达能力评估结果；

(3)根据该面试对象的平均吐字时间，确定该面试对象的第二表达能力等级；

(4)将该第二表达能力等级作为该面试对象在另一个维度的表达能力评估结果。

例如，可以预先基于预设卡顿字的出现频率进行分级，例如，假设分为“优、良、好和差”四个等级，可以将预设卡顿字的出现频率等于0设置为对应“优”等级，将预设卡顿字的出现频率大于0，且小于或等于0.1设置为对应“良”等级，将预设卡顿字的数量大于0.1，且小于或等于0.3设置为对应“好”等级，将预设卡顿字的数量大于0.3设置为对应“差”等级，假设预设卡顿字的出现频率为0.19，则可以确定表征“预设卡顿字的出现频率”的表达能力评估等级为“良”等级，也即面试对象的第一表达能力等级为“良”等级。还可以预先基于面试对象的平均吐字时间进行分级，例如，假设分为“优、良、好和差”四个等级，可以将平均吐字时间大于或等于0，且小于0.5设置为对应“优”等级，将平均吐字时间大于或等于0.5，且小于0.8设置为对应“良”等级，将平均吐字时间大于或等于0.8，且小于1.1设置为对应“好”等级，将平均吐字时间大于或等于1.1设置为对应“差”等级，假设表达能力分析结果包括面试对象的平均吐字时间为0.65，则可以确定表征“面试对象的平均吐字时间”的表达能力评估等级为“良”等级，即面试对象的第二表达能力评估等级为“良”等级，从而得到面试对象在两个维度的表达能力评估结果，包括：表征“预设卡顿字的出现频率”的表达能力评估等级为“良”等级，以及表征“面试对象的平均吐字时间”的表达能力评估等级为“良”等级。

在一可选地实施例中，该确定该语音识别结果中的预设卡顿字的数量，得到第一数量，可以包括：

(1)获取预设卡顿字库，该预设卡顿字库包括多个预设卡顿字；

(2)确定该语音识别结果中与该预设卡顿字库中的预设卡顿字匹配的预设卡顿字的数量，得到第一数量。

比如，可以预先收集多个预设卡顿字，并建立预设卡顿字库，从而得到包括多个预设卡顿字的预设卡顿字库。多个预设卡顿字可以包括啊、阿、嗯、额、嗯、咦等字。那么，假设我叫啊张三额，今年28额岁，毕业于嗯帝京师范大学”，则可以确定第一数量为4。

在一可选地实施例中，该根据该语音识别结果，对该面试对象进行表达能力分析，得到该面试对象的表达能力分析结果，可以包括：

(1)确定该语音识别结果中的预设卡顿字的数量，得到第一数量；

(2)确定该语音识别结果的所有字的数量，得到第二数量；

(3)计算该第一数量与该第二数量的商，得到预设卡顿字的出现频率；

(4)将该预设卡顿字的出现频率作为该面试对象的表达能力分析结果。

比如，假设语音识别结果为“我叫啊张三额，今年28额岁，毕业于嗯北京师范大学，主修嗯计算额机专业”，可以确定该语音识别结果中的预设卡顿字，如啊、额、嗯、阿等字的数量，即第一数量为6，而该语音识别结果的所有字的数量，即第二数量为31，则该预设卡顿字的出现频率为6/31，即0.19，那么，该面试对象的表达能力分析结果为：预设卡顿字的出现频率为0.19。

在一可选地实施例中，该根据该语音识别结果，对该面试对象进行表达能力分析，得到该面试对象的表达能力分析结果，可以包括：

(1)确定该语音识别结果的所有字的数量，得到第二数量；

(2)计算该第二数量与该语音采集时间的商，得到该面试对象的平均吐字时间；

(3)将该面试对象的平均吐字时间作为该面试对象的表达能力分析结果。

比如，假设语音识别结果为“我叫啊张三额，今年28额岁，毕业于嗯北京师范大学，主修嗯计算额机专业”，可以确定该语音识别结果的所有字的数量，即第二数量为31，假设采集该语音识别结果对应的语音信息所需的时间，即语音采集时间为20.2s，则该面试对象的平均吐字时间为0.65，那么，该面试对象的表达能力分析结果为：面试对象的平均吐字时间为0.65。

请参阅图2，图2是本申请实施例提供的表达能力评估方法的第二种流程示意图，流程可以包括：

在步骤201中，在面试过程中，对面试对象进行语音采集，得到该面试对象的语音信息。

本实施例中，在面试过程中，如基于银行或金融机构等的招聘的面试过程中，可以每隔预设时长对面试对象进行语音采集，得到该面试对象的语音信息。

在一可选地实施例中，由于面试场景中，通常由面试官提出相应的问题或引导，再由面试对象针对面试官提出的问题或引导进行相应的答复，因此，面试场景通常围绕面试官说话→面试对象说话→面试官说话→面试对象说话进行。而本申请实施例是为了对面试对象的表达能力进行评估，因此，无需获取面试官的语音信息，而仅需获取面试对象的语音信息，那么，可以基于面试官的声纹信息来获取面试对象的语音信息。具体的，可以预先存储面试官的声纹信息，在面试过程中，直接对整个面试过程中的语音进行语音采集，得到一整段语音信息。然后，将该整段语音信息中声纹信息与面试官的声纹信息匹配的语音信息去除，从而得到多段语音信息，而每段语音信息均可作为面试对象的语音信息，并进行后续流程。

在步骤202中，对该面试对象的语音信息进行语音识别处理，得到语音识别结果。

本实施例中，当得到面试对象的语音信息之后，可以对该面试对象的语音信息进行语音识别处理，得到语音识别结果。

比如，当得到面试对象的语音信息之后，可以采用相应的语音识别算法对该面试对象的语音信息进行语音识别处理，得到语音识别结果。该语音识别算法可以包括基于动态时间规则算法、基于参数模型的隐马尔可夫算法和基于非参数模型的矢量量化算法以及其他各种本领域技术人员所熟知的语音识别算法，在此不作具体限制。

语音识别结果通常为对应于语音信息的文字信息。例如，假设面试对象说出的语音信息为“我叫啊张三额”，则语音识别结果为“我叫啊张三额”。又例如，假设面试对象说出的语音信息为“今年28额岁，毕业于嗯帝京师范大学”，则语音识别结果为“今年28额岁，毕业于嗯帝京师范大学”。

在步骤203中，确定该语音识别结果中的预设卡顿字的数量，得到第一数量。

在步骤204中，确定该语音识别结果的所有字的数量，得到第二数量。

在步骤205中，计算该第一数量与该第二数量的商，得到预设卡顿字的出现频率。

在步骤206中，获取采集该语音信息所需的时间，得到语音采集时间。

在步骤207中，计算该第二数量与该语音采集时间的商，得到该面试对象的平均吐字时间。

比如，可以预先设置一些卡顿字，如啊、额、嗯、阿等字作为预设卡顿字，并形成预设卡顿字库。假设语音识别结果为“我叫啊张三额，今年28额岁，毕业于嗯北京师范大学，主修嗯计算额机专业”，可以确定该语音识别结果中的预设卡顿字，如啊、额、嗯、阿等字的数量，即第一数量为6，而该语音识别结果的所有字的数量，即第二数量为31，则该预设卡顿字的出现频率为6/31，即0.19；假设采集该语音识别结果对应的语音信息所需的时间，即语音采集时间为20.2s，则该面试对象的平均吐字时间为0.65。

在步骤208中，根据该预设卡顿字的出现频率，确定该面试对象的第一表达能力等级。

在步骤209中，将该第一表达能力等级作为该面试对象在一个维度的表达能力评估结果。

在步骤210中，根据该面试对象的平均吐字时间，确定该面试对象的第二表达能力等级。

在步骤211中，将该第二表达能力等级作为该面试对象在另一个维度的表达能力评估结果。

例如，可以预先基于预设卡顿字的出现频率进行分级，例如，假设分为“优、良、好和差”四个等级，可以将预设卡顿字的出现频率等于0设置为对应“优”等级，将预设卡顿字的出现频率大于0，且小于或等于0.1设置为对应“良”等级，将预设卡顿字的数量大于0.1，且小于或等于0.3设置为对应“好”等级，将预设卡顿字的数量大于0.3设置为对应“差”等级。如图3所示，假设面试对象U1对应的预设卡顿字的出现频率为0.19，则可以确定对于面试对象U1来说，表征“预设卡顿字的出现频率”的表达能力评估等级为“良”等级，也即面试对象U1的第一表达能力等级为“良”等级。

还可以预先基于面试对象的平均吐字时间进行分级，例如，假设分为“优、良、好和差”四个等级，可以将平均吐字时间大于或等于0，且小于0.5设置为对应“优”等级，将平均吐字时间大于或等于0.5，且小于0.8设置为对应“良”等级，将平均吐字时间大于或等于0.8，且小于1.1设置为对应“好”等级，将平均吐字时间大于或等于1.1设置为对应“差”等级，如图3所示，假设面试对象U1的平均吐字时间为0.65，则可以确定表征“面试对象的平均吐字时间”的表达能力评估等级为“良”等级，即面试对象的第二表达能力评估等级为“良”等级，从而得到面试对象在两个维度的表达能力评估结果，包括：表征“预设卡顿字的出现频率”的表达能力评估等级为“良”等级，以及表征“面试对象的平均吐字时间”的表达能力评估等级为“良”等级。

在一可选地实施例中，还可以预先基于预设卡顿字出现数量进行分级，例如，假设分为“优、良、好和差”四个等级，可以将预设卡顿字出现数量等于0设置为对应“优”等级，将预设卡顿字出现数量大于0，且小于或等于5设置为对应“良”等级，将预设卡顿字出现数量大于5，且小于或等于10设置为对应“好”等级，将预设卡顿字出现数量大于10设置为对应“差”等级。如图3所示，假设面试对象U1对应的预设卡顿字出现数量为4，则可以确定，对于面试对象U1，表征“预设卡顿字出现数量”的表达能力评估结果为“良”等级。

还可以预先基于面试对象说出相邻预设卡顿字之间间隔的最小字数进行分级，例如，假设分为“优、良、好和差”四个等级，可以将相邻预设卡顿字之间间隔的最小字数大于或等于100设置为对应“优”等级，将相邻预设卡顿字之间间隔的最小字数小于100，且大于或等于50设置为对应“良”等级，将相邻预设卡顿字之间间隔的最小字数小于50，且大于或等于20设置为对应“好”等级，将相邻预设卡顿字之间间隔的最小字数小于20设置为对应“差”等级。如图3所示，假设面试对象U1说出相邻预设卡顿字之间间隔的最小字数为2，则可以确定该面试对象的表达能力评估结果为“差”等级。

在一可选地实施例中，假设存在应聘银行或金融机构等的招聘的面试对象U1、U2、U3、U4和U5，通过本申请实施例提供的表达能力评估方法分别对面试对象U1、U2、U3、U4和U5的表达能力进行评估，评估出的结果可以如图4所示，从而下一轮的面试官可以基于图4了解面试对象U1、U2、U3、U4和U5多个维度的表达能力，如了解表征面试对象的平均吐字时间的表达能力、表征面试对象对应的预设卡顿字的出现频率的表达能力，等等。

请参阅图5，图5为本申请实施例提供的表达能力评估装置的结构示意图。表达能力评估装置300包括：语音采集模块301，语音识别302，能力分析模块303及能力评估模块304。

语音采集模块301，用于在面试过程中，对面试对象进行语音采集，得到该面试对象的语音信息。

语音识别模块302，用于对该面试对象的语音信息进行语音识别处理，得到语音识别结果。

能力分析模块303，用于根据该语音识别结果，对该面试对象进行表达能力分析，得到该面试对象的表达能力分析结果。

能力评估模块304，用于根据该面试对象的表达能力分析结果，对该面试对象进行表达能力评估，得到该面试对象的表达能力评估结果。

在一可选地实施例中，能力分析模块303，可以用于：根据该语音识别结果，对该面试对象进行多个维度的表达能力分析，得到该面试对象在多个维度的表达能力分析结果；

能力评估模块304，可以用于：根据该面试对象在多个维度的表达能力分析结果，对该面试对象进行表达能力评估，得到该面试对象在多个维度的表达能力评估结果。

在一可选地实施例中，能力分析模块303，可以用于：确定该语音识别结果中的预设卡顿字的数量，得到第一数量；确定该语音识别结果的所有字的数量，得到第二数量；计算该第一数量与该第二数量的商，得到预设卡顿字的出现频率；将该预设卡顿字的出现频率作为该面试对象在一个维度的表达能力分析结果；获取采集该语音信息所需的时间，得到语音采集时间；计算该第二数量与该语音采集时间的商，得到该面试对象的平均吐字时间；将该面试对象的平均吐字时间作为该面试对象在另一个维度的表达能力分析结果。

在一可选地实施例中，能力评估模块304，可以用于：根据该预设卡顿字的出现频率，确定该面试对象的第一表达能力等级；将该第一表达能力等级作为该面试对象在一个维度的表达能力评估结果；根据该面试对象的平均吐字时间，确定该面试对象的第二表达能力等级；将该第二表达能力等级作为该面试对象在另一个维度的表达能力评估结果。

在一可选地实施例中，能力分析模块303，可以用于：获取预设卡顿字库，该预设卡顿字库包括多个预设卡顿字；确定该语音识别结果中与该预设卡顿字库中的预设卡顿字匹配的预设卡顿字的数量，得到第一数量。

在一可选地实施例中，能力分析模块303，可以用于：确定该语音识别结果中的预设卡顿字的数量，得到第一数量；确定该语音识别结果的所有字的数量，得到第二数量；计算该第一数量与该第二数量的商，得到预设卡顿字的出现频率；将该预设卡顿字的出现频率作为该面试对象的表达能力分析结果。

在一可选地实施例中，能力分析模块303，可以用于：确定该语音识别结果的所有字的数量，得到第二数量；计算该第二数量与该语音采集时间的商，得到该面试对象的平均吐字时间；将该面试对象的平均吐字时间作为该面试对象的表达能力分析结果。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

本实施例中，通过语音采集模块301在面试过程中，对面试对象进行语音采集，得到该面试对象的语音信息；语音识别模块302对该面试对象的语音信息进行语音识别处理，得到语音识别结果；能力分析模块303根据该语音识别结果，对该面试对象进行表达能力分析，得到该面试对象的表达能力分析结果；能力评估模块304根据该面试对象的表达能力分析结果，对该面试对象进行表达能力评估，得到该面试对象的表达能力评估结果，由此，可以实现由表达能力评估装置300基于面试对象的语音信息对面试对象的表达能力进行评估，不会掺杂面试官的主观评估因素，如面试官的心情、个人喜好等，评估较为客观。

此外，本申请实施例还提供一种计算机设备，该计算机设备可以为终端或者服务器，如图6所示，其示出了本申请实施例所涉及的计算机设备的结构示意图，具体来讲：

该计算机设备400可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图6中示出的计算机设备400结构并不构成对计算机设备400的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

处理器401是该计算机设备400的控制中心，利用各种接口和线路连接整个计算机设备400的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行计算机设备400的各种功能和处理数据，从而对计算机设备400进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。

存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据计算机设备400的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。

计算机设备400还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该计算机设备400还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，计算机设备400还可以包括显示单元等，在此不再赘述。具体在本实施例中，计算机设备400中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：

在面试过程中，对面试对象进行语音采集，得到该面试对象的语音信息；

对该面试对象的语音信息进行语音识别处理，得到语音识别结果；

根据该语音识别结果，对该面试对象进行表达能力分析，得到该面试对象的表达能力分析结果；

根据该面试对象的表达能力分析结果，对该面试对象进行表达能力评估，得到该面试对象的表达能力评估结果。

在一可选地实施例中，处理器401执行根据该语音识别结果，对该面试对象进行表达能力分析，得到该面试对象的表达能力分析结果时，可以执行：根据该语音识别结果，对该面试对象进行多个维度的表达能力分析，得到该面试对象在多个维度的表达能力分析结果；处理器401执行该根据该面试对象的表达能力分析结果，对该面试对象进行表达能力评估，得到该面试对象的表达能力评估结果时，可以执行：根据该面试对象在多个维度的表达能力分析结果，对该面试对象进行表达能力评估，得到该面试对象在多个维度的表达能力评估结果。

在一可选地实施例中，处理器401执行该根据该语音识别结果，对该面试对象进行表达能力分析，得到该面试对象在多个维度的表达能力分析结果时，可以执行：确定该语音识别结果中的预设卡顿字的数量，得到第一数量；确定该语音识别结果的所有字的数量，得到第二数量；计算该第一数量与该第二数量的商，得到预设卡顿字的出现频率；将该预设卡顿字的出现频率作为该面试对象在一个维度的表达能力分析结果；获取采集该语音信息所需的时间，得到语音采集时间；计算该第二数量与该语音采集时间的商，得到该面试对象的平均吐字时间；将该面试对象的平均吐字时间作为该面试对象在另一个维度的表达能力分析结果。

在一可选地实施例中，处理器401执行该根据该面试对象在多个维度的表达能力分析结果，对该面试对象进行表达能力评估，得到该面试对象在多个维度的表达能力评估结果时，可以执行：根据该预设卡顿字的出现频率，确定该面试对象的第一表达能力等级；将该第一表达能力等级作为该面试对象在一个维度的表达能力评估结果；根据该面试对象的平均吐字时间，确定该面试对象的第二表达能力等级；将该第二表达能力等级作为该面试对象在另一个维度的表达能力评估结果。

在一可选地实施例中，处理器401执行该确定该语音识别结果中的预设卡顿字的数量，得到第一数量时，可以执行：获取预设卡顿字库，该预设卡顿字库包括多个预设卡顿字；确定该语音识别结果中与该预设卡顿字库中的预设卡顿字匹配的预设卡顿字的数量，得到第一数量。

在一可选地实施例中，处理器401执行该根据该语音识别结果，对该面试对象进行表达能力分析，得到该面试对象的表达能力分析结果时，可以执行：确定该语音识别结果中的预设卡顿字的数量，得到第一数量；确定该语音识别结果的所有字的数量，得到第二数量；计算该第一数量与该第二数量的商，得到预设卡顿字的出现频率；将该预设卡顿字的出现频率作为该面试对象的表达能力分析结果。

在一可选地实施例中，处理器401执行该根据该语音识别结果，对该面试对象进行表达能力分析，得到该面试对象的表达能力分析结果时，可以执行：确定该语音识别结果的所有字的数量，得到第二数量；计算该第二数量与该语音采集时间的商，得到该面试对象的平均吐字时间；将该面试对象的平均吐字时间作为该面试对象的表达能力分析结果。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例还提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例中的各种可选实现方式中提供的方法。

根据本申请的一个方面，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中的各种可选实现方式中提供的方法。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

由于该存储介质中所存储的指令，可以执行本申请实施例所提供的方法中的步骤，因此，可以实现本申请实施例所提供的方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本申请实施例所提供的一种表达能力评估方法、装置、计算机设备和存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本申请的限制。