[發(fā)明專利]一種頻譜提取方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201911424768.0
• 申請(qǐng)日: 2019-12-31
• 公開(kāi)（公告）號(hào): CN111128228B
• 公開(kāi)（公告）日: 2022-11-01
• 發(fā)明（設(shè)計(jì)）人: 張?zhí)盱?/a>;吳金龍
• 申請(qǐng)（專利權(quán)）人: 北京奇藝世紀(jì)科技有限公司
• 主分類號(hào): G10L25/03
• 分類號(hào): G10L25/03;G10L25/18
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

本發(fā)明實(shí)施例提供了一種頻譜提取方法和裝置，所述方法包括：在預(yù)設(shè)的語(yǔ)音頻譜數(shù)據(jù)中，基于頻率與能量值的分布關(guān)系，查找對(duì)應(yīng)的能量值處于峰值且頻率最低的樂(lè)音基本頻率；基于所述分布關(guān)系以及所述樂(lè)音基本頻率，在所述語(yǔ)音頻譜數(shù)據(jù)中，查找樂(lè)音谷值頻率；采用所述樂(lè)音谷值頻率，在所述語(yǔ)音頻譜數(shù)據(jù)中提取所述樂(lè)音谷值頻率對(duì)應(yīng)的能量值；基于所述樂(lè)音谷值頻率對(duì)應(yīng)的能量值，對(duì)預(yù)設(shè)輕音頻率范圍內(nèi)的頻率分配能量值，生成輕音頻譜數(shù)據(jù)。本發(fā)明實(shí)施例的頻譜提取方法，實(shí)現(xiàn)在所述語(yǔ)音頻譜數(shù)據(jù)中提取輕音頻譜數(shù)據(jù)。所述輕音頻譜數(shù)據(jù)可以用于恢復(fù)語(yǔ)音波形或者對(duì)預(yù)設(shè)的語(yǔ)音識(shí)別模型進(jìn)行訓(xùn)練，提高語(yǔ)音識(shí)別模型對(duì)輕音的識(shí)別準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及音頻處理技術(shù)領(lǐng)域，特別是涉及一種頻譜提取方法以及一種頻譜提取裝置。

背景技術(shù)

語(yǔ)音識(shí)別是指計(jì)算機(jī)對(duì)人類的語(yǔ)音內(nèi)容進(jìn)行識(shí)別，并轉(zhuǎn)換為相應(yīng)的文字的技術(shù)。現(xiàn)有的語(yǔ)音識(shí)別技術(shù)中，通常是在人聲比較明顯，而背景音音量較小或無(wú)背景音的情況下進(jìn)行語(yǔ)音識(shí)別。在人壓制音量，輕聲說(shuō)話的情況下，計(jì)算機(jī)較難正確識(shí)別人聲，導(dǎo)致語(yǔ)音識(shí)別的結(jié)果可能存在錯(cuò)誤，或者出現(xiàn)識(shí)別失敗。

具體地，在人有意識(shí)地壓制音量，輕聲說(shuō)話的情況下，相對(duì)人正常說(shuō)話的聲音，其發(fā)出的聲音可以包含更多通過(guò)聲帶摩擦和回響形成的輕音，而包含更少的通過(guò)聲帶直接震動(dòng)發(fā)出的樂(lè)音。例如，用戶在被窩中悄悄說(shuō)話，或者用戶在安靜的公共場(chǎng)合中輕聲說(shuō)話。現(xiàn)有語(yǔ)音識(shí)別技術(shù)較難在音頻中正確提取輕音，對(duì)語(yǔ)音識(shí)別技術(shù)正確識(shí)別用戶輕聲說(shuō)話的聲音存在影響。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例的目的在于提供一種頻譜提取方法，以實(shí)現(xiàn)在音頻中提取輕音的頻譜。具體技術(shù)方案如下：

在本發(fā)明實(shí)施的第一方面，首先提供了一種頻譜提取方法，所述方法包括：

在預(yù)設(shè)的語(yǔ)音頻譜數(shù)據(jù)中，基于頻率與能量值的分布關(guān)系，查找對(duì)應(yīng)的能量值處于峰值且頻率最低的樂(lè)音基本頻率；

基于所述分布關(guān)系以及所述樂(lè)音基本頻率，在所述語(yǔ)音頻譜數(shù)據(jù)中，查找樂(lè)音谷值頻率；

采用所述樂(lè)音谷值頻率，在所述語(yǔ)音頻譜數(shù)據(jù)中提取所述樂(lè)音谷值頻率對(duì)應(yīng)的能量值；

基于所述樂(lè)音谷值頻率對(duì)應(yīng)的能量值，對(duì)預(yù)設(shè)輕音頻率范圍內(nèi)的頻率分配能量值，生成輕音頻譜數(shù)據(jù)。

可選地，所述基于所述分布關(guān)系以及所述樂(lè)音基本頻率，在所述語(yǔ)音頻譜數(shù)據(jù)中，查找樂(lè)音谷值頻率的步驟，包括：

基于所述分布關(guān)系以及所述樂(lè)音基本頻率，在所述語(yǔ)音頻譜數(shù)據(jù)中，查找樂(lè)音峰值頻率；

基于所述分布關(guān)系以及所述樂(lè)音峰值頻率，在所述語(yǔ)音頻譜數(shù)據(jù)中，查找樂(lè)音谷值頻率。

可選地，所述基于所述分布關(guān)系以及所述樂(lè)音基本頻率，在所述語(yǔ)音頻譜數(shù)據(jù)中，查找樂(lè)音峰值頻率的步驟，包括：

基于所述樂(lè)音基本頻率，確定與所述樂(lè)音基本頻率成倍數(shù)關(guān)系的第一頻率；

將所述第一頻率作為樂(lè)音峰值頻率；或者基于所述分布關(guān)系，在所述語(yǔ)音頻譜數(shù)據(jù)中，查找對(duì)應(yīng)的能量值在所述第一頻率的第一預(yù)設(shè)范圍內(nèi)處于峰值的頻率，作為樂(lè)音峰值頻率。

可選地，所述基于所述分布關(guān)系以及所述樂(lè)音峰值頻率，在所述語(yǔ)音頻譜數(shù)據(jù)中，查找樂(lè)音谷值頻率的步驟，包括：

基于所述樂(lè)音峰值頻率，確定在相鄰的所述樂(lè)音峰值頻率之間處于中位的第二頻率；

將所述第二頻率作為樂(lè)音谷值頻率；或者基于所述分布關(guān)系，在所述語(yǔ)音頻譜數(shù)據(jù)中，查找對(duì)應(yīng)的能量值在所述第二頻率的第二預(yù)設(shè)范圍內(nèi)處于谷值的頻率，作為樂(lè)音谷值頻率。

可選地，所述在預(yù)設(shè)的語(yǔ)音頻譜數(shù)據(jù)中，基于頻率與能量值的分布關(guān)系，查找對(duì)應(yīng)的能量值處于峰值且頻率最低的樂(lè)音基本頻率的步驟，包括：