[發明專利]語音增強處理方法、裝置及存儲介質

有效

• 申請號: 202010046661.3
• 申請日: 2020-01-16
• 公開（公告）號: CN111048104B
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 馮大航;陳孝良;常樂
• 申請（專利權）人: 北京聲智科技有限公司
• 主分類號: G10L21/02
• 分類號: G10L21/02;G10L21/0216;G10L25/87
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 邢少真

本公開揭示了一種語音增強處理方法、裝置及存儲介質，屬于人工智能技術領域。所述方法包括：在包含近場聲音采集組件和遠場聲音采集組件的語音交互設備中，根據模式檢測信號確定語音交互設備的交互模式，交互模式包括近場交互模式或者遠場交互模式；根據當前交互模式，對交互模式對應的聲音采集組件采集到的聲音信號進行語音增強，獲得增強后的當前交互模式的交互語音。通過上述方案，可以通過切換兩種拾音模式對語音信號進行處理，從而減少了在實際應用場景下對聲源位置的限制，提高了語音處理的質量。

技術領域

本公開涉及人工智能技術領域，特別涉及一種語音增強處理方法、裝置及存儲介質。

背景技術

如今，人工智能技術日益發展，而語音交互功能作為人工智能技術中廣泛應用的重要一環，在進行語音交互的過程中，通過進行語音增強可以提升語音交互的效果。

目前，語音增強分為兩種情況，一種是拾音器與聲源距離較近的近場情況，另一種是拾音器與聲源距離較遠的遠場情況。在近場情況下，采用普通麥克風進行錄音，對錄音信號進行單通道降噪。在遠場情況下，采用麥克風陣列進行錄音，然后通過聲源定位確定拾音方向，經過各種算法計算來實現語音增強。

然而，由于采用近場交互方式需要拾音器與聲源的距離要較近，在實際的語音交互場景中不易達到，而采用遠場交互容易受到外界聲學環境的干擾，導致語音交互的質量不高。

發明內容

本公開提供一種語音增強處理方法、裝置及存儲介質。所述技術方案如下：

根據本公開實施例的第一方面，提供了一種語音增強處理方法，其特征在于，所述方法用于包含近場聲音采集組件和遠場聲音采集組件的語音交互設備中，所述方法包括：

根據模式檢測信號確定所述語音交互設備的交互模式，所述交互模式包括近場交互模式或者遠場交互模式；

根據當前所述交互模式，對所述交互模式對應的聲音采集組件采集到的聲音信號進行語音增強，獲得增強后的當前所述交互模式的交互語音。

可選的，所述根據當前所述交互模式，對所述交互模式對應的聲音采集組件采集到的聲音信號進行語音增強，獲得增強后的當前所述交互模式的交互語音，包括：

響應于所述交互模式包括所述近場交互模式，對所述近場聲音采集組件采集到的聲音信號進行語音增強，獲得增強后的近場交互語音；

或者，

響應于所述交互模式包括所述遠場交互模式，對所述遠場聲音采集組件采集到的聲音信號進行語音增強，獲得增強后的遠場交互語音。

可選的，所述模式檢測信號包括所述近場聲音采集組件采集到的第一聲音信號，以及所述遠場聲音采集組件采集到的第二聲音信號；

所述根據模式檢測信號確定所述語音交互設備的交互模式，包括：

對第一聲音信號進行語音檢測；

獲取所述第一聲音信號的平均功率和所述第二聲音信號的平均功率之間的功率比值；所述平均功率是對應的聲音信號的總功率在對應的聲音采集組件中的每個麥克風上的平均值；

響應于所述第一聲音信號中存在語音，且所述功率比值大于功率比值閾值，將所述交互模式確定為所述近場交互模式；

響應于所述第一聲音信號中不存在語音，或者，響應于所述功率比值小于所述功率比值閾值，或者，響應于所述第一聲音信號中不存在語音且所述功率比值小于所述功率比值閾值，將所述交互模式確定為所述遠場交互模式。

可選的，所述模式檢測信號包括按鍵信號，所述按鍵信號用于指示指定按鍵是否接收到觸發操作；

所述根據模式檢測信號確定所述語音交互設備的交互模式，包括：