[發明專利]語音數據的處理方法、裝置、設備、介質和系統

在審

• 申請號: 201711488055.1
• 申請日: 2017-12-29
• 公開（公告）號: CN109994122A
• 公開（公告）日: 2019-07-09
• 發明（設計）人: 余濤;田彪;劉禮;許敏強;曹晶皓;陳一寧;薛彬
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L21/0216;G10L21/0224;G10L25/27;G10L25/78;G10L25/84
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 彭瓊

本申請實施例公開了一種語音數據的處理方法、裝置、設備、介質和系統，用以在去除串擾音的同時，增強可擴展性，降低升級難度。所述方法包括：在時域對齊處理后的多路語音數據中，確定每路語音數據與其它路語音數據之間的相關性、每路語音數據的信噪比；根據每路語音數據與其它路語音數據之間的相關性和/或每路語音數據的信噪比，確定每路語音數據的類型，其中，語音數據的類型包括主音和串擾音；保留類型為主音的語音數據，去除類型為串擾音的語音數據。

技術領域

本申請涉及數據處理技術領域，尤其涉及一種語音數據的處理方法、裝置、設備、介質和系統。

背景技術

在多個麥克風的應用場景中，一個發言人發言時，除了發言人對應的麥克風會接收到聲音，其它麥克風也會接收到聲音，其它麥克風接收到的這部分聲音就屬于串擾音。

在進行語音數據處理時，需要去除串擾音。目前，去除串擾音主要有以下兩種方案：

第一種方案為在前端麥克風中增加防串擾模塊。此種方案防串擾模塊設置在麥克風中，其在去除串擾音時，基于單通道(或者單麥克風)的語音數據進行去除，實際效果并不理想，而且每個麥克風中都需要增加防串擾模塊，成本較高。

第二種方案為在后端邏輯控制模塊中增加專門防串擾硬件。此種方案中防串擾硬件的工作原理為：聲源活躍度檢測器(Source Activity Detector，SAD)通過估算信噪比(Signal-to-Noise Ratio，SNR)判斷每個麥克風是否有語音數據輸入，在判定麥克風中有語音數據輸入時，將麥克風采集的語音數據輸入到邏輯控制模塊，邏輯控制模塊根據各個麥克風的信號，來選擇激活不同的均衡器，最終多路語音數據在均衡器的處理下輸出去除串擾的語音數據。其中，均衡器是一個可動態調節權重的反饋系統。此種方案相較于第一種方案，雖然其去除串擾音的效果優于第一種方案，但是其受硬件性能限制，所能支持的最大麥克風數量在出廠時已經固定，可擴展性較差，升級難度大。

綜上所述，現有技術中去除串擾音的方案，可擴展性差，因此升級難度大。

發明內容

本申請實施例提供了一種語音數據的處理方法、裝置、設備、計算機可讀存儲介質和系統，用以在去除串擾音的同時，增強可擴展性，降低升級難度。

根據本申請實施例的第一方面，提供一種語音數據的處理方法，包括：

在時域對齊處理后的多路語音數據中，確定每路語音數據與其它路語音數據之間的相關性、每路語音數據的信噪比；

根據每路語音數據與其它路語音數據之間的相關性和/或每路語音數據的信噪比，確定每路語音數據的類型，其中，語音數據的類型包括主音和串擾音；

保留類型為主音的語音數據，去除類型為串擾音的語音數據。

根據本申請實施例的第二方面，提供一種語音數據的處理裝置，包括：

計算模塊，用于在時域對齊處理后的多路語音數據中，確定每路語音數據與其它路語音數據之間的相關性、每路語音數據的信噪比；

數據類型確定模塊，用于根據每路語音數據與其它路語音數據之間的相關性和/或每路語音數據的信噪比，確定每路語音數據的類型，其中，語音數據的類型包括主音和串擾音；

處理模塊，用于保留類型為主音的語音數據，去除類型為串擾音的語音數據。

根據本申請實施例的第三方面，提供一種語音數據的處理設備，包括：存儲器和處理器；該存儲器用于儲存有可執行程序代碼；該處理器用于讀取存儲器中存儲的可執行程序代碼以執行上述語音數據的處理方法。

根據本申請實施例的第四方面，提供一種計算機可讀存儲介質，其上存儲有計算機程序指令，當計算機程序指令被處理器執行時實現上述語音數據的處理方法。