[發明專利]一種語音處理方法、裝置、設備及存儲介質在審
| 申請號： | 202010417021.9 | 申請日： | 2020-05-15 |
| 公開（公告）號： | CN111554323A | 公開（公告）日： | 2020-08-18 |
| 發明（設計）人： | 肖瑋 | 申請（專利權）人： | 騰訊科技（深圳）有限公司 |
| 主分類號： | G10L25/30 | 分類號： | G10L25/30;G10L21/003;G10L21/02 |
| 代理公司： | 廣州三環專利商標代理有限公司 44202 | 代理人： | 熊永強;杜維 |
| 地址： | 518057 廣東省深圳*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 語音 處理 方法 裝置 設備 存儲 介質 | ||
1.一種語音處理方法，其特征在于，包括：
確定待處理的目標語音幀對應的歷史語音幀；
獲取所述歷史語音幀的頻域特征和所述歷史語音幀的時域參數；
提取所述歷史語音幀的時域參數的統計特征；
調用網絡模型對所述歷史語音幀的頻域特征、所述歷史語音幀的時域參數及所述歷史語音幀的時域參數的統計特征進行預測處理，得到所述目標語音幀的參數集，所述參數集中包含至少兩個參數；
根據所述參數集重建所述目標語音幀。
2.如權利要求1所述的方法，其特征在于，所述歷史語音幀的時域參數包括所述歷史語音幀的短時相關性參數，所述歷史語音幀的短時相關性參數包括所述歷史語音幀的線譜頻率；
所述提取所述歷史語音幀的時域參數的統計特征，包括：采用統計特征計算公式對所述歷史語音幀的線譜頻率進行計算得到所述統計特征；
其中，所述統計特征包括以下至少一種特征：第一統計特征、第二統計特征和第三統計特征；所述第一統計特征用于反映所述歷史語音幀的線譜頻率對應的角頻率隨時間變化而產生的變動情況；所述第二統計特征用于反映所述歷史語音幀的線譜頻率對應的角頻率的均值；所述第三統計特征用于反映所述歷史語音幀的線譜頻率對應的角頻率的高階矩。
3.如權利要求1所述的方法，其特征在于，所述歷史語音幀的頻域特征包括所述歷史語音幀對應的頻域系數的幅度譜；若所述目標語音幀為清音幀，則所述歷史語音幀的時域參數包括所述歷史語音幀的短時相關性參數，所述參數集包括所述目標語音幀的短時相關性參數；所述網絡模型包括第一神經網絡及至少兩個第二神經網絡，所述第二神經網絡屬于所述第一神經網絡的子網絡；一個所述第二神經網絡與所述參數集中的一種參數相對應；
所述調用網絡模型對所述歷史語音幀的頻域特征、所述歷史語音幀的時域參數及所述歷史語音幀的時域參數的統計特征進行預測處理，得到所述目標語音幀的參數集，包括：
調用所述第一神經網絡對所述歷史語音幀的頻域特征進行預測處理，得到所述目標語音幀的虛擬頻域特征；
將所述目標語音幀的虛擬頻域特征、所述歷史語音幀的短時相關性參數和所述統計特征作為輸入信息分別輸入至所述第二神經網絡中進行預測處理，得到所述參數集中的所述目標語音幀的短時相關性參數；
其中，所述目標語音幀包括k個分幀，所述目標語音幀的短時相關性參數包括所述目標語音幀的第k個分幀的線譜頻率及內插因子，k為大于1的整數。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于騰訊科技（深圳）有限公司，未經騰訊科技（深圳）有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010417021.9/1.html，轉載請聲明來源鉆瓜專利網。
