[發明專利]語音增強方法、裝置、設備及存儲介質

有效

• 申請號: 201811237113.8
• 申請日: 2018-10-23
• 公開（公告）號: CN109410974B
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 成學軍
• 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;G10L25/30
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 孫靜;劉芳

1.一種語音增強方法，其特征在于，包括：

獲得待增強語音的語音特征；

將所述待增強語音的語音特征輸入至增強模型，得到所述待增強語音的理想比值膜IRM；所述增強模型為將第一IRM以及與所述第一IRM對應的第一標簽、第二IRM以及與所述第二IRM對應的第二標簽，分別輸入至生成對抗網絡GAN的對抗器，并根據所述對抗器的輸出得到對抗器損失和生成器損失，并根據所述對抗器損失對所述對抗器的網絡參數進行優化，并根據所述生成器損失對所述生成器的網絡參數進行優化得到的模型，所述第一IRM是將加噪語音的語音特征輸入至所述生成對抗網絡GAN的生成器得到的，所述第二IRM為所述加噪語音的真實的IRM；

根據所述待增強語音的語音特征以及所述待增強語音的IRM，得到所述待增強語音的語音增強結果。

2.根據權利要求1所述的方法，其特征在于，所述將所述待增強語音的語音特征輸入至增強模型，得到所述待增強語音的IRM之前，還包括：

將加噪語音的語音特征輸入至所述GAN的生成器，得到第一IRM，所述加噪語音為對樣本語音加噪后獲得的語音；

根據所述第一IRM以及第二IRM，得到所述增強模型。

3.根據權利要求2所述的方法，其特征在于，所述根據所述第一IRM以及所述第二IRM，得到所述增強模型，包括：

將所述第一IRM以及與所述第一IRM對應的第一標簽作為第一對輸入，將所述第二IRM以及與所述第二IRM對應的第二標簽作為第二對輸入，分別輸入至所述GAN的對抗器，并根據所述對抗器的輸出得到對抗器損失和生成器損失；

根據所述對抗器損失對所述對抗器的網絡參數進行優化，并根據所述生成器損失對所述生成器的網絡參數進行優化，得到所述增強模型。

4.根據權利要求1所述的方法，其特征在于，所述GAN為基于門控循環單元GRU生成的網絡。

5.根據權利要求4所述的方法，其特征在于，所述GAN的生成器采用殘差連接。

6.根據權利要求5所述的方法，其特征在于，所述生成器包括至少N級網絡單元，所述N級網絡單元中的至少一級網絡單元為目標網絡單元，所述目標網絡單元采用殘差連接，N為大于1的整數。

7.根據權利要求6所述的方法，其特征在于，所述目標網絡連接為深層神經網絡DNN與GRU并行連接形成的網絡單元。

8.根據權利要求1所述的方法，其特征在于，所述GAN的對抗器包括多級GRU。

9.根據權利要求1-8任一項所述的方法，其特征在于，所述根據待增強語音的語音特征以及所述待增強語音的IRM，得到所述待增強語音的語音增強結果之后，還包括：

根據所述待增強語音的語音增強結果以及所述待增強語音，進行語音識別。

10.一種語音增強裝置，其特征在于，包括：

獲得模塊，用于獲得待增強語音的語音特征；

理想比值膜IRM得到模塊，用于將所述待增強語音的語音特征輸入至增強模型，得到所述待增強語音的IRM；所述增強模型為將第一IRM以及與所述第一IRM對應的第一標簽、第二IRM以及與所述第二IRM對應的第二標簽，分別輸入至生成對抗網絡GAN的對抗器，并根據所述對抗器的輸出得到對抗器損失和生成器損失，并根據所述對抗器損失對所述對抗器的網絡參數進行優化，并根據所述生成器損失對所述生成器的網絡參數進行優化得到的模型，所述第一IRM是將加噪語音的語音特征輸入至所述生成對抗網絡GAN的生成器得到的，所述第二IRM為所述加噪語音的真實的IRM；

增強結果得到模塊，用于根據所述待增強語音的語音特征以及所述待增強語音的IRM，得到所述待增強語音的語音增強結果。