[發明專利]基于人工智能的語音降噪方法、裝置和計算機設備

有效

• 申請號: 201710245329.8
• 申請日: 2017-04-14
• 公開（公告）號: CN107068161B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 鄒偉;李先剛;崔瑋瑋;胡靜遠
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋合成

1.一種基于人工智能的語音降噪方法，其特征在于，包括：

接收待處理的帶噪語音；

對所述待處理的帶噪語音進行預處理，獲得預定格式的帶噪語音；

按照所述預定格式中的采樣率對所述預定格式的帶噪語音進行采樣，獲得帶噪語音的采樣點信息；

通過深度學習降噪模型對所述帶噪語音的采樣點信息進行降噪，生成降噪后的采樣點信息；所述深度學習降噪模型直接采用采樣點信息作為輸入輸出，不需要在頻譜上進行操作；

根據所述降噪后的采樣點信息，生成干凈語音。

2.根據權利要求1所述的方法，其特征在于，所述通過深度學習降噪模型對所述帶噪語音的采樣點信息進行降噪，生成降噪后的采樣點信息之前，還包括：

訓練獲得所述深度學習降噪模型。

3.根據權利要求2所述的方法，其特征在于，所述訓練獲得所述深度學習降噪模型包括：

收集干凈語音和所述干凈語音對應的帶噪語音；

對所述干凈語音和所述干凈語音對應的帶噪語音進行預處理，獲得預定格式的干凈語音和對應的預定格式的帶噪語音；

按照預定的長度對所述預定格式的干凈語音和對應的預定格式的帶噪語音進行切片；

按照所述預定格式中的采樣率對切片后的干凈語音和對應的切片后的帶噪語音分別進行采樣，獲得干凈語音的采樣點信息和對應的帶噪語音的采樣點信息；

將所述帶噪語音的采樣點信息作為深度學習模型的輸入，對應時刻的干凈語音的采樣點信息作為所述深度學習模型的輸出，對所述深度學習模型進行訓練，獲得所述深度學習降噪模型。

4.根據權利要求1-3任意一項所述的方法，其特征在于，所述預定格式為采樣率16000赫茲，16位量化，單通道的脈沖編碼調制格式。

5.一種基于人工智能的語音降噪裝置，其特征在于，包括：

接收模塊，用于接收待處理的帶噪語音；

預處理模塊，用于對所述接收模塊接收的待處理的帶噪語音進行預處理，獲得預定格式的帶噪語音；

采樣模塊，用于按照所述預定格式中的采樣率對所述預處理模塊獲得的預定格式的帶噪語音進行采樣，獲得帶噪語音的采樣點信息；

降噪模塊，用于通過深度學習降噪模型對所述采樣模塊獲得的帶噪語音的采樣點信息進行降噪，生成降噪后的采樣點信息；所述深度學習降噪模型直接采用采樣點信息作為輸入輸出，不需要在頻譜上進行操作；

生成模塊，用于根據所述降噪模塊生成的降噪后的采樣點信息，生成干凈語音。

6.根據權利要求5所述的裝置，其特征在于，還包括：

訓練模塊，用于在所述降噪模塊通過深度學習降噪模型對所述帶噪語音的采樣點信息進行降噪，生成降噪后的采樣點信息之前，訓練獲得所述深度學習降噪模型。

7.根據權利要求6所述的裝置，其特征在于，所述訓練模塊包括：

收集子模塊，用于收集干凈語音和所述干凈語音對應的帶噪語音；

預處理子模塊，用于對所述收集子模塊收集的干凈語音和所述收集子模塊收集的干凈語音對應的帶噪語音進行預處理，獲得預定格式的干凈語音和對應的預定格式的帶噪語音；

切片子模塊，用于按照預定的長度對所述預處理子模塊獲得的預定格式的干凈語音和對應的預定格式的帶噪語音進行切片；

采樣子模塊，用于按照所述預定格式中的采樣率對所述切片子模塊切片后的干凈語音和對應的切片后的帶噪語音分別進行采樣，獲得干凈語音的采樣點信息和對應的帶噪語音的采樣點信息；

模型訓練子模塊，用于將所述帶噪語音的采樣點信息作為深度學習模型的輸入，對應時刻的干凈語音的采樣點信息作為所述深度學習模型的輸出，對所述深度學習模型進行訓練，獲得所述深度學習降噪模型。

8.根據權利要求5-7任意一項所述的裝置，其特征在于，所述預定格式為采樣率16000赫茲，16位量化，單通道的脈沖編碼調制格式。