[發明專利]一種語音增強方法和裝置

在審

• 申請號: 201910774538.0
• 申請日: 2019-08-21
• 公開（公告）號: CN112420063A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 王保輝;李偉;李曉建;胡偉湘
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L21/0272;G10L17/22;G10L17/14;G10L17/04
• 代理公司: 北京中博世達專利商標代理有限公司 11274
• 代理人: 申健

本申請實施例公開了一種語音增強方法和裝置，涉及通信技術領域，解決了現有技術在聲音環境較為復雜的場景下，無法對環境做到自適應，用戶智能交互的體驗較差的問題，該語音增強方法通過采用人工智能技術，可以提升用戶智能交互體驗。具體方案為：電子設備采集第一聲音，第一聲音包括第二聲音和背景聲音中的至少一項；電子設備識別第一聲音；當第一聲音存在第二聲音時，電子設備對第二聲音進行聲音分析，得到第三聲音；電子設備處理第三聲音。

技術領域

本申請實施例涉及通信技術領域，尤其涉及一種語音增強方法和裝置。

背景技術

目前，傳統的語音增強算法對不同環境下的所有輸入聲音進行同一套語音增強算法，不論輸入任何聲音都進行同樣的增強。例如，以智能音箱的接收的聲音包括人聲、電視聲、狗叫聲、水流聲等多種聲音的情況下，采用現有的語音增強算法將對所有聲音進行同樣的增強，這將導致智能音箱可能無法準確的獲知用戶命令，造成智能音箱語音交互不輸出，或者語音交互輸出不出準確等問題，使得用戶智能交互的體驗較差。因此，現有的語音增強算法在聲音環境較為復雜的場景下，無法對環境做到自適應，用戶智能交互的體驗較差。

發明內容

本申請實施例提供一種語音增強方法和裝置，能夠在聲音環境較為復雜的場景下，準確的從復雜的聲音環境中捕捉到目標用戶的語音，提升了用戶智能交互的體驗。

本申請實施例的第一方面，提供一種語音增強方法，該方法包括：電子設備采集第一聲音，該第一聲音包括第二聲音和背景聲音中的至少一項；該電子設備識別該第一聲音；當該第一聲音存在上述第二聲音時，該電子設備對該第二聲音進行聲音分析，得到第三聲音；該電子設備處理該第三聲音。基于本方案，通過識別采集到的第一聲音，并在第一聲音中存在第二聲音時，從第一聲音中分離出第二聲音(人聲)，并從第二聲音中提取出第三聲音(用戶語音交互命令)，從而對用戶語音交互命令進行處理，獲得的語音交互輸出較為準確，因此能夠準確的完成語音交互，提升了用戶智能交互的體驗。而且本申請在從復雜的聲音環境中提取用戶語音交互命令時，通過對聲音進行識別和分析，并結合聲音的屬性信息，得到用戶語音交互命令(第三聲音)，因此，該語音增強方法并不是對所有輸入的聲音進行同樣的增強，而是結合當前采集的聲音的屬性信息進行針對性增強，因此能夠適應復雜的聲音環境，提升了復雜聲音環境下用戶的智能交互體驗。

結合第一方面，在一種可能的實現方式中，上述電子設備識別第一聲音，包括：上述電子設備根據聲音事件識別模型，對該第一聲音進行聲音事件識別，獲取該第一聲音的聲音類別信息。基于本方案，通過識別第一聲音，可以獲取第一聲音的聲音類別信息，從而能夠根據該第一聲音的聲音類別信息，從第一聲音中提取出第二聲音。

結合第一方面或第一方面的任一可能的實現方式，在另一種可能的實現方式中，上述電子設備對上述第二聲音進行聲音分析，得到第三聲音，包括：上述電子設備根據上述第一聲音的聲音類別信息，從上述第一聲音中分離出上述第二聲音；上述電子設備分析上述第二聲音的聲音屬性信息；其中，該聲音屬性信息包括：聲音方位信息、聲紋信息、聲音時間信息、聲音分貝信息中的一種或多種；上述電子設備根據該第二聲音的聲音屬性信息，得到第三聲音。基于本方案，通過從第一聲音中分離出第二聲音，并對第二聲音進行屬性分析，能夠根據第二聲音的屬性信息從多個人聲中提取出聲音，得到干凈的用戶語音交互命令，實現針對性增強。

結合第一方面或第一方面的任一可能的實現方式，在另一種可能的實現方式中，上述第三聲音的聲紋信息與已注冊用戶的聲紋信息匹配。基于本方案，可以通過聲紋信息，將與已注冊用戶的聲紋信息匹配的聲音確定為第三聲音。