[發明專利]一種基于人工智能的語音增強方法

在審

• 申請號: 202010551206.9
• 申請日: 2020-06-16
• 公開（公告）號: CN111833893A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 王亞東
• 申請（專利權）人: 杭州云嘉云計算有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L15/20
• 代理公司: 杭州杭誠專利事務所有限公司 33109
• 代理人: 尉偉敏

1.一種基于人工智能的語音增強方法，其特征在于，包括以下步驟：

S1：訓練數據預處理；提取音頻數據的時域序列，對音頻數據進行切片處理；

S2：模型訓練和部署；建立GAN算法模型，根據音頻數據模擬進行對抗式訓練；將訓練完成的GAN算法模型部署到機器的服務器中；

S3：模型測試；對測試數據中的帶噪音頻進行切片處理，在訓練完成的GAN算法模型中進行數據除噪與音頻重構，完成音頻的語音增強；

S4：模型評估優化；采用多種方式對語音增強后的音頻質量進行評估。

2.根據權利要求1所述的一種基于人工智能的語音增強方法，其特征在于，所述的GAN算法模型包括生成器G和判別器D；

生成器G模擬輸入的真實音頻數據分布的有效映射，生成與訓練數據相關的新樣本；

判別器D為二元分類器，判別器D的輸入包括生成器G正在模擬的真實音頻數據和生成器G模擬生成的新樣本。

3.根據權利要求2所述的一種基于人工智能的語音增強方法，其特征在于，所述的對抗式訓練為生成器G與判別器D的極大極小博弈，極大極小博弈的目標函數為：

其中，E()為損失函數；V()為目標函數；X為干凈樣本，X∈P_data(X)；Z為帶噪樣本，Z∈P_Z(Z)；為對生成器G損失函數進行最小化；為對判別器D損失函數進行最大化。

4.根據權利要求3所述的一種基于人工智能的語音增強方法，其特征在于，在所述的極大極小博弈的目標函數中增加約束條件變量，引導生成器G的生成過程和判別器D的判別過程，加入約束條件變量的目標函數為：

其中，y為約束條件變量。

5.根據權利要求2所述的一種基于人工智能的語音增強方法，其特征在于，所述的步驟S3包括以下步驟：

S31：測試數據預處理；對于測試數據中的帶噪音頻按照GAN算法模型的輸入尺寸進行切片處理；

S32：數據去噪；將帶噪音頻切片輸入訓練完成的GAN算法模型，通過生成器G對其進行編碼、解碼，完成新樣本的映射；

S33：音頻重構；對于同一個帶噪音頻的切片，在全部經過生成器G的重構后，按原切分順序進行拼接，得到和帶噪音頻采樣點數一樣的重構音頻。

6.根據權利要求1所述的一種基于人工智能的語音增強方法，其特征在于，所述的訓練完成的模型能夠部署到機器的服務器中，或者通過移動介質進行移動。

7.根據權利要求1或6所述的一種基于人工智能的語音增強方法，其特征在于，對于所述訓練完成的模型，根據部署環境的不同，利用部署環境的噪聲數據對模型進行微調。

8.根據權利要求1或5所述的一種基于人工智能的語音增強方法，其特征在于，對于所述的訓練數據中的音頻數據運用滑動步長為16384*0.5，大小為16384*1的滑動窗口進行采樣切片，不足部分補0；對于所述的測試數據中的帶噪音頻采用滑動步長為16384*1，大小為16384*1的滑動窗口進行采樣切片，不足部分補0。

9.根據權利要求1所述的一種基于人工智能的語音增強方法，其特征在于，步驟S3中所述的多種方式包括語音識別引擎、人工聽判和PESQ三種方式。