[發明專利]語音信號分割模型的訓練方法、裝置和計算機設備

有效

• 申請號: 202010011573.X
• 申請日: 2020-01-06
• 公開（公告）號: CN111243619B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 馬坤;劉微微;趙之硯
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G10L21/0272
• 分類號: G10L21/0272;G10L25/84;G10L25/30;G10L25/18
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝

1.一種語音信號分割模型的訓練方法，其特征在于，包括：

獲取語音信號樣本，其中，所述語音信號樣本包括多個；

將各所述語音信號樣本分別處理成與其對應的第一梅爾頻譜圖；

對各所述第一梅爾頻譜圖進行預設級別的上采樣處理和下采樣處理，使每一張所述第一梅爾頻譜圖衍生出與其對應的多張不同級別的衍生梅爾頻譜圖；

接收對每一張所述衍生梅爾頻譜圖的數據標注，得到梅爾頻譜圖樣本集，其中，所述數據標注是每一張衍生梅爾頻譜圖上的不同信號被標注的人聲標記或背景音標記；

利用所述梅爾頻譜圖樣本集對預設的基于圖像語義分割的深度神經網絡模型中進行訓練，得到所述語音信號分割模型，所述語音信號分割模型用于提取梅爾頻譜圖中的人聲頻譜圖。

2.一種語音信號的處理方法，其特征在于，使用如權利要求1的方法訓練得到的語音信號分割模型，所述處理方法包括：

獲取待處理的語音信號；

將所述待處理的語音信號處理成第二梅爾頻譜圖；

將所述第二梅爾頻譜圖輸入到所述語音信號分割模型中進行處理，得到所述第二梅爾頻譜圖中的第一人聲頻譜圖。

3.根據權利要求2所述的語音信號的處理方法，其特征在于，將所述第二梅爾頻譜圖輸入到所述語音信號分割模型中進行處理，得到所述第二梅爾頻譜圖中的第一人聲頻譜圖的步驟之后，包括：

將所述第二梅爾頻譜圖進行預設的上采樣和下采樣處理，得到多張上采樣梅爾頻譜圖和多張下采樣梅爾頻譜圖；

將多張上采樣梅爾頻譜圖和多張下采樣梅爾頻譜圖分別輸入到所述語音信號分割模型中進行處理，得到對應多張上采樣梅爾頻譜圖和多張下采樣梅爾頻譜圖的多張第二人聲頻譜圖；

將所述第一人聲頻譜圖和多張所述第二人聲頻譜圖進行匯總處理，得帶第三人聲頻譜圖。

4.根據權利要求3所述的語音信號的處理方法，其特征在于，將所述第一人聲頻譜圖和多張所述第二人聲頻譜圖進行匯總處理，得帶第三人聲頻譜圖的步驟之后，包括：

將所述第三人聲頻譜圖輸入到預設的聲紋識別模型中進行聲紋識別。

5.根據權利要求2所述的語音信號的處理方法，其特征在于，將所述第二梅爾頻譜圖輸入到所述語音信號分割模型中進行處理，得到所述第二梅爾頻譜圖中的第一人聲頻譜圖的步驟之后，包括:

將所述第一人聲頻譜圖輸入到人聲修正模型進行修正處理。

6.根據權利要求5所述的語音信號的處理方法，其特征在于，所述人聲修正模型的訓練方法，包括：

獲取不同人在無背景音下的多個第一驗證聲音信號，以及在有背景音的環境下的多個第二驗證聲音信號；其中，同一人的第一驗證聲音信號和第二驗證聲音信號相互關聯；

分別將多個所述第一驗證聲音信號和多個所述第二驗證聲音信號分別處理成梅爾頻譜圖后輸入到所述語音信號分割模型中進行處理，得到多個所述第一驗證聲音信號對應的多個第一驗證人聲頻譜圖和多個所述第二驗證聲音信號對應的多個第二驗證人聲頻譜圖；其中，同一人的第一驗證人聲頻譜圖與第二驗證人聲頻譜圖相互關聯；

將多個所述第一驗證人聲頻譜圖和多個第二驗證人聲頻譜圖作為訓練樣本輸入到預設的神經網絡模型中，進行將所述第二驗證人聲頻譜圖向著與其關聯的第一驗證人聲頻譜圖修正的訓練，得到所述人聲修正模型。