[發明專利]一種基音混合方法及裝置

有效

• 申請號: 201911414847.3
• 申請日: 2019-12-31
• 公開（公告）號: CN111210811B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 張尉雄
• 申請（專利權）人: 深圳市瑞訊云技術有限公司
• 主分類號: G10L15/08
• 分類號: G10L15/08;G10L15/20;G10L15/22;G10L25/30;G10L25/84
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 劉冬亮

1.一種基音混合方法，其特征在于，應用于人工智能系統，所述方法包括：

當所述人工智能系統接收喚醒指令時，獲取當前的環境音頻數據；

接收用戶輸入的用戶音頻數據；

將所述環境音頻數據拆分成多路拆分音頻數據；

合并所述用戶音頻數據與所述多路拆分音頻數據，生成混合音頻數據；

其中，所述將所述環境音頻數據拆分成多路拆分音頻數據，包括：

采用預設的聲音檢測模型識別所述環境音頻數據的音頻波形；

計算所述音頻波的幅值是否大于預設值；

若所述音頻波形的幅值大于預設值，則將所述環境音頻數據拆分成人聲數據和噪聲數據；

所述合并所述用戶音頻數據與所述多路拆分音頻數據，包括：

獲取所述用戶音頻數據的用戶波形，與所述人聲數據的人聲波形；

判斷所述用戶波形與所述人聲波形是否相同；

若所述用戶波形與所述人聲波形相同，則合并所述用戶音頻數據與所述環境音頻數據，生成混合音頻數據；

若所述用戶波形與所述人聲波形不相同，則將所述用戶音頻數據、所述人聲數據以及所述噪聲數據依次合并，生成混合音頻數據。

2.根據權利要求1所述的方法，其特征在于，所述拆分音頻數據包括人聲數據、噪聲數據。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

若所述音頻波形的幅值小于預設值，則分別從所述用戶音頻數據中提取用戶語音特征，和從所述環境音頻數據中提取環境音頻特征；

合并所述用戶語音特征和所述環境音頻特征，生成訓練語音特征；

采用所述訓練語音特征進行語音訓練。

4.一種基音混合裝置，其特征在于，應用于人工智能系統，所述裝置包括：

獲取模塊，用于當所述人工智能系統接收喚醒指令時，獲取當前的環境音頻數據；

接收模塊，用于接收用戶輸入的用戶音頻數據；

拆分模塊，用于將所述環境音頻數據拆分成多路拆分音頻數據；

合并模塊，用于合并所述用戶音頻數據與所述多路拆分音頻數據，生成混合音頻數據；

其中，所述拆分模塊，包括：

采用模塊，用于采用預設的聲音檢測模型識別所述環境音頻數據的音頻波形；

計算模塊，用于計算所述音頻波的幅值是否大于預設值；

拆分數據模塊，用于若所述音頻波形的幅值大于預設值，則將所述環境音頻數據拆分成人聲數據和噪聲數據；

所述合并模塊，包括：

獲取波形模塊，用于獲取所述用戶音頻數據的用戶波形，與所述人聲數據的人聲波形；

判斷波形模塊，用于判斷所述用戶波形與所述人聲波形是否相同；

波形相同模塊，用于若所述用戶波形與所述人聲波形相同，則合并所述用戶音頻數據與所述環境音頻數據，生成混合音頻數據；

波形不相同模塊，用于若所述用戶波形與所述人聲波形不相同，則將所述用戶音頻數據、所述人聲數據以及所述噪聲數據依次合并，生成混合音頻數據。

5.根據權利要求4所述的裝置，其特征在于，所述拆分音頻數據包括人聲數據、噪聲數據。

6.根據權利要求4所述的裝置，其特征在于，所述裝置還包括：

提取模塊，用于若所述音頻波形的幅值小于預設值，則分別從所述用戶音頻數據中提取用戶語音特征，和從所述環境音頻數據中提取環境音頻特征；

生成模塊，用于合并所述用戶語音特征和所述環境音頻特征，生成訓練語音特征；

訓練模塊，用于采用所述訓練語音特征進行語音訓練。

7.一種基音混合處理裝置，其特征在于，包括：

一個或多個處理器；和

其上存儲有指令的一個或多個機器可讀介質，當由所述一個或多個處理器執行時，使得所述裝置執行如權利要求1至3任一項所述方法。

8.一種計算機可讀存儲介質，其特征在于，其存儲的計算機程序使得處理器執行如權利要求1至3任一項所述方法。