[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

本發明提供一種語音增強方法、裝置、設備及存儲介質。該方法包括：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；所述增強模型為基于生成對抗網絡GAN實現的，用于根據語音特征得到IRM的模型；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。本發明提高了語音增強的效果。

技術領域

本發明涉及語音領域，尤其涉及一種語音增強方法、裝置、設備及存儲介質。

背景技術

語音增強是指當語音信號被各種各樣的噪聲干擾、甚至淹沒后，從噪聲背景中提取有用的語音信號，抑制、降低噪聲干擾的技術。

現有技術中，主要通過深層神經網絡(Deep Neural Networks，DNN)、卷積神經網絡(Convolutional Neural Network，CNN)或循環神經網絡(Recurrent neural Network，RNN)實現基于深度學習的語音增強。并且，DNN、CNN和RNN主要針對已知分布的噪聲進行建模。

然而，由于語音噪聲的分布通常復雜且未知，因此通過DNN、CNN或RNN實現基于深度學習的語音增強，存在語音增強效果較差的問題。

發明內容

本發明實施例提供一種語音增強方法、裝置、設備及存儲介質，用以解決現有技術中語音增強效果較差的問題。

第一方面，本發明實施例提供一種語音增強方法，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；所述增強模型為基于生成對抗網絡GAN實現的，用于根據語音特征得到IRM的模型；

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。

可選的，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，所述第二IRM為所述加噪語音的真實的IRM。

可選的，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。

可選的，所述GAN為基于門控循環單元GRU生成的網絡。

可選的，所述GAN的生成器采用殘差連接。

可選的，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。

可選的，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。

可選的，所述GAN的對抗器包括多級GRU。

可選的，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。