[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

本申請揭示了一種語音信號分割模型的訓練方法、裝置，聲音信號的處理方法和裝置，以及計算機設備和存儲介質，其中訓練方法將各語音信號樣本的第一梅爾頻譜圖進行上采樣和下采樣處理，得到多張不同級別的衍生梅爾頻譜圖，然后進行數據標注，得到具有多個梅爾頻譜圖的訓練用的樣本集，利用樣本集中的樣本對預設的深度神經網絡模型進行訓練，得到語音信號分割模型，利用該語音信號分割模型即可以將待處理的語音信號中的人聲和背景音準確的分離。即，進行不同細節級別的梅爾頻譜圖生成及數據的標注，基于圖像語義分割的深度神經網絡模型訓練，從而可以對各類場景的背景噪聲進行有效分離，提取出更純凈的人聲信號，進而提高聲紋識別的準確率和魯棒性。

技術領域

本申請涉及到聲音信號的處理領域，特別是涉及到一種語音信號分割模型的訓練方法、裝置和計算機設備。

背景技術

日常生活中，各種語音中均帶有背景噪聲，背景噪音在語音信號上是不可逆的疊加，通過頻率濾波器、譜減法等常用方法降噪，會造成人聲信號的損失，也就是說，通過現有的方法無法將語音信號中人聲和背景噪聲準確的分離。

發明內容

本申請的主要目的為提供一種語音信號分割模型的訓練方法、裝置和計算機設備，旨在解決現有技術中無法將語音信號中人聲和背景噪聲準確的分離的技術問題。

為了實現上述發明目的，本申請提出一種語音信號分割模型的訓練方法，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。

本申請還提供一種語音信號的處理方法，使用如上述語音信號分割模型的訓練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。

進一步地，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。

進一步地，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。

進一步地，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。