[發明專利]語音分離方法、語音識別方法及電子設備有效
| 申請號： | 201910294425.0 | 申請日： | 2019-04-12 |
| 公開（公告）號： | CN110070882B | 公開（公告）日： | 2021-05-11 |
| 發明（設計）人： | 陳聯武;于蒙;蘇丹;俞棟 | 申請（專利權）人： | 騰訊科技（深圳）有限公司 |
| 主分類號： | G10L21/0272 | 分類號： | G10L21/0272;G10L21/0308;G10L25/30;G06N3/08;G06N3/04 |
| 代理公司： | 深圳市隆天聯鼎知識產權代理有限公司 44232 | 代理人： | 劉抗美 |
| 地址： | 518000 廣東省深圳*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 語音 分離 方法 識別 電子設備 | ||
1.一種語音分離方法，其特征在于，包括：
獲取包括至少兩個目標對象的語音信號的混合語音信號；
獲取所述混合語音信號對應的單通道頻譜特征和多通道方位特征；
通過重疊判斷模型對所述單通道頻譜特征和多通道方位特征進行處理，獲得所述混合語音信號中的目標對象之間是否存在重疊的判斷結果，所述重疊判斷模型用于判斷目標對象之間是否存在空間上的重疊；
根據所述判斷結果確定所述混合語音信號中各目標對象的目標語音頻譜掩碼矩陣。
2.根據權利要求1所述的語音分離方法，其特征在于，獲取所述混合語音信號對應的單通道頻譜特征和多通道方位特征，包括：
獲取所述混合語音信號對應的全語音頻段的單通道頻譜特征和多通道方位特征，所述全語音頻段包括K個子頻段，K為大于等于2的正整數；
從所述全語音頻段的單通道頻譜特征和多通道方位特征中，提取K個子頻段的單通道頻譜特征和多通道方位特征。
3.根據權利要求2所述的語音分離方法，其特征在于，所述重疊判斷模型包括K個第一神經網絡和第四預測網絡；其中，通過重疊判斷模型對所述單通道頻譜特征和多通道方位特征進行處理，獲得所述混合語音信號中的目標對象之間是否存在重疊的判斷結果，包括：
通過所述K個第一神經網絡對所述K個子頻段的單通道頻譜特征和多通道方位特征進行處理，獲得K個第一特征向量；
根據所述K個第一特征向量生成合并特征向量；
將所述合并特征向量輸入所述第四預測網絡，輸出所述判斷結果。
4.根據權利要求3所述的語音分離方法，其特征在于，還包括：
通過第五預測網絡對所述合并特征向量進行處理，獲得所述混合語音信號中各目標對象的第一語音頻譜掩碼矩陣。
5.根據權利要求2所述的語音分離方法，其特征在于，還包括：
通過第四神經網絡對所述全語音頻段的單通道頻譜特征和多通道方位特征進行處理，獲得所述混合語音信號中各目標對象的第一語音頻譜掩碼矩陣。
6.一種語音識別方法，其特征在于，包括：
獲取包括至少兩個目標對象的語音信號的混合語音信號；
獲取所述混合語音信號對應的單通道頻譜特征和多通道方位特征；
通過重疊判斷模型對所述單通道頻譜特征和多通道方位特征進行處理，獲得所述混合語音信號中的目標對象之間是否存在重疊的判斷結果，所述重疊判斷模型用于判斷目標對象之間是否存在空間上的重疊；
根據所述判斷結果確定所述混合語音信號中各目標對象的目標語音頻譜掩碼矩陣；
根據各目標對象的目標語音頻譜掩碼矩陣識別出各目標對象的語音信號。
7.一種電子設備，其特征在于，包括：
一個或多個處理器；
存儲裝置，用于存儲一個或多個程序，當所述一個或多個程序被所述一個或多個處理器執行時，使得所述一個或多個處理器實現如權利要求1至5中任一項所述的語音分離方法。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于騰訊科技（深圳）有限公司，未經騰訊科技（深圳）有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910294425.0/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：用于分類的聯合統計模型的建立方法及應用方法
- 下一篇：語音增強方法
