[發(fā)明專(zhuān)利]語(yǔ)音處理方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010768877.0
• 申請(qǐng)日: 2020-08-03
• 公開(kāi)（公告）號(hào): CN114067821A
• 公開(kāi)（公告）日: 2022-02-18
• 發(fā)明（設(shè)計(jì)）人: 熊飛飛;馮津偉
• 申請(qǐng)（專(zhuān)利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類(lèi)號(hào): G10L21/0208
• 分類(lèi)號(hào): G10L21/0208;G10L21/0264;G10L21/043;G10L25/60;G10L25/84;G10L25/87;G10L15/05;G10L19/24
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 趙娟

1.一種語(yǔ)音處理方法，其特征在于，所述方法包括：

獲取待處理語(yǔ)音數(shù)據(jù)；

對(duì)所述待處理語(yǔ)音數(shù)據(jù)中的音頻幀進(jìn)行噪聲檢測(cè)；

若確定所述音頻幀為噪聲幀，則對(duì)所述音頻幀進(jìn)行噪聲消除并輸出。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述待處理語(yǔ)音數(shù)據(jù)中的音頻幀進(jìn)行噪聲檢測(cè)，包括：

采用語(yǔ)音檢測(cè)器和端點(diǎn)檢測(cè)算法，對(duì)所述待處理語(yǔ)音數(shù)據(jù)中的音頻幀進(jìn)行噪聲檢測(cè)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述采用語(yǔ)音檢測(cè)器和端點(diǎn)檢測(cè)算法，對(duì)所述待處理語(yǔ)音數(shù)據(jù)中的音頻幀進(jìn)行噪聲檢測(cè)，包括：

將所述音頻幀輸入至所述語(yǔ)音檢測(cè)器中，得到所述語(yǔ)音檢測(cè)器輸出的第一檢測(cè)信息；

以及采用端點(diǎn)檢測(cè)算法對(duì)所述音頻幀進(jìn)行檢測(cè)，得到所述第二檢測(cè)信息；

依據(jù)所述第一檢測(cè)信息和第二檢測(cè)信息，對(duì)所述待處理語(yǔ)音數(shù)據(jù)中的音頻幀進(jìn)行噪聲檢測(cè)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述第一檢測(cè)信息包括音頻幀的語(yǔ)音檢測(cè)電平，所述第二檢測(cè)信息包括音頻幀為語(yǔ)音幀的概率；

所述依據(jù)所述第一檢測(cè)信息和第二檢測(cè)信息，對(duì)所述待處理語(yǔ)音數(shù)據(jù)中的音頻幀進(jìn)行噪聲檢測(cè)，包括：

當(dāng)所述音頻幀的語(yǔ)音檢測(cè)電平為高電平且所述音頻幀的上一音頻幀為語(yǔ)音幀時(shí)，若所述音頻幀和所述音頻幀的后N個(gè)音頻幀為語(yǔ)音幀的概率均小于第一預(yù)設(shè)閾值，則確定所述音頻幀為噪聲幀；

當(dāng)所述音頻幀的語(yǔ)音檢測(cè)電平為低電平且所述音頻幀的上一音頻幀為噪聲幀時(shí)，若所述音頻幀和所述音頻幀的后M個(gè)音頻幀為語(yǔ)音幀的概率均大于第二預(yù)設(shè)閾值，則確定所述音頻幀為語(yǔ)音幀；

當(dāng)所述音頻幀的語(yǔ)音檢測(cè)電平為高電平且所述音頻幀的上一音頻幀為噪聲幀時(shí)，若所述音頻幀為語(yǔ)音幀的概率小于第一預(yù)設(shè)閾值，則確定所述音頻幀為噪聲幀；

當(dāng)所述音頻幀的語(yǔ)音檢測(cè)電平為低電平且所述音頻幀的上一音頻幀為語(yǔ)音幀時(shí)，若所述音頻幀為語(yǔ)音幀的概率大于第二預(yù)設(shè)閾值，則確定所述音頻幀為語(yǔ)音幀。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述音頻幀進(jìn)行噪聲消除，包括：

通過(guò)降低所述音頻幀的音頻幅度或能量，對(duì)所述音頻幀進(jìn)行噪聲消除。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的方法還包括：

對(duì)所述待處理音頻數(shù)據(jù)進(jìn)行底噪估計(jì)，確定所述待處理音頻數(shù)據(jù)的底噪特征信息；

采用所述底噪特征信息對(duì)所述進(jìn)行噪聲消除后的噪聲幀進(jìn)行填充。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的方法還包括：

若所述音頻幀為語(yǔ)音幀，判斷所述音頻幀和所述音頻幀最近的噪聲幀的時(shí)間差值；

若所述時(shí)間差值小于第一設(shè)定時(shí)長(zhǎng)，則對(duì)所述音頻幀進(jìn)行加速；

輸出加速后的所述音頻幀。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述的方法還包括：

若所述音頻幀為語(yǔ)音幀，則判斷預(yù)設(shè)緩存區(qū)域緩存的目標(biāo)語(yǔ)音數(shù)據(jù)的總時(shí)長(zhǎng)是否達(dá)到第二設(shè)定時(shí)長(zhǎng)，所述目標(biāo)語(yǔ)音數(shù)據(jù)包括語(yǔ)音幀；

若預(yù)設(shè)緩存區(qū)域緩存的目標(biāo)語(yǔ)音數(shù)據(jù)的總時(shí)長(zhǎng)達(dá)到第二設(shè)定時(shí)長(zhǎng)，則刪除最早緩存的一語(yǔ)音幀并緩存所述音頻幀；

若預(yù)設(shè)緩存區(qū)域緩存的目標(biāo)語(yǔ)音數(shù)據(jù)的總時(shí)長(zhǎng)未達(dá)到第二設(shè)定時(shí)長(zhǎng)，則緩存所述音頻幀；

所述對(duì)所述音頻幀進(jìn)行加速，包括：

按照預(yù)設(shè)加速規(guī)則，對(duì)目標(biāo)語(yǔ)音數(shù)據(jù)進(jìn)行加速；

所述輸出加速后的所述音頻幀，包括：

依據(jù)上一次輸出的語(yǔ)音幀對(duì)應(yīng)的時(shí)間標(biāo)識(shí)，從加速后的目標(biāo)語(yǔ)音數(shù)據(jù)中選取一段時(shí)長(zhǎng)為音頻幀幀長(zhǎng)的目標(biāo)語(yǔ)音數(shù)據(jù)輸出。

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的方法還包括：

進(jìn)行噪聲消除提示。

10.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的方法還包括：

接收噪聲恢復(fù)指令，恢復(fù)對(duì)應(yīng)已進(jìn)行噪聲消除的音頻幀的噪聲并輸出。