[發(fā)明專利]一種混合語(yǔ)音信號(hào)的處理方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010877506.6
• 申請(qǐng)日: 2020-08-27
• 公開(kāi)（公告）號(hào): CN111968668A
• 公開(kāi)（公告）日: 2020-11-20
• 發(fā)明（設(shè)計(jì)）人: 張譽(yù)懷
• 申請(qǐng)（專利權(quán)）人: 深圳壹賬通智能科技有限公司
• 主分類號(hào): G10L21/0272
• 分類號(hào): G10L21/0272;G10L21/0308;G10L25/18;G10L25/21;G10L25/24;G10L25/51
• 代理公司: 深圳中一聯(lián)合知識(shí)產(chǎn)權(quán)代理有限公司 44414
• 代理人: 張全文

本申請(qǐng)適用于人工智能中的語(yǔ)音處理的技術(shù)領(lǐng)域，提供了一種混合語(yǔ)音信號(hào)的處理方法及系統(tǒng)，所述處理方法包括：獲取混合語(yǔ)音信號(hào)對(duì)應(yīng)的多個(gè)第一聽(tīng)覺(jué)片段；在多個(gè)所述第一聽(tīng)覺(jué)片段中，選擇一個(gè)符合預(yù)設(shè)條件的所述第一聽(tīng)覺(jué)片段，作為核心片段；根據(jù)所述核心片段的基音周期和每個(gè)所述第一聽(tīng)覺(jué)片段的片段參數(shù)，將核心片段與除去所述核心片段的剩余第一聽(tīng)覺(jué)片段匹配，得到目標(biāo)聲源的目標(biāo)聽(tīng)覺(jué)片段，所述片段參數(shù)包括音色和梅爾頻率倒譜系數(shù)。通過(guò)上述方式實(shí)現(xiàn)，在混合語(yǔ)音信號(hào)中，分別根據(jù)目標(biāo)聲源的基音周期以及片段參數(shù)，匹配目標(biāo)聲源的目標(biāo)聽(tīng)覺(jué)片段。提高了匹配目標(biāo)聽(tīng)覺(jué)片段的精準(zhǔn)度。

技術(shù)領(lǐng)域

本申請(qǐng)屬于人工智能中的語(yǔ)音處理的技術(shù)領(lǐng)域，尤其涉及一種混合語(yǔ)音信號(hào)的處理方法及裝置。

背景技術(shù)

人的聽(tīng)覺(jué)系統(tǒng)能夠在噪聲環(huán)境中跟蹤自己感興趣的語(yǔ)音信號(hào)，即使多種聲音同時(shí)存在，也能聽(tīng)取所需要的內(nèi)容。聽(tīng)覺(jué)場(chǎng)景分析正是在這一聽(tīng)覺(jué)生理現(xiàn)象上提出的理論。聽(tīng)覺(jué)場(chǎng)景分析技術(shù)利用計(jì)算機(jī)技術(shù)通過(guò)對(duì)人類心理過(guò)程及聽(tīng)覺(jué)生理機(jī)能的模擬，最終使計(jì)算機(jī)具備像人耳一樣處理聲音的能力。聽(tīng)覺(jué)場(chǎng)景分析技術(shù)具體通過(guò)聽(tīng)覺(jué)外圍分析、語(yǔ)音分離特征提取、聽(tīng)覺(jué)分段、語(yǔ)音重組以及語(yǔ)音合成，實(shí)現(xiàn)混合語(yǔ)音分離的功能。

但是，在傳統(tǒng)的聽(tīng)覺(jué)場(chǎng)景分析技術(shù)中，針對(duì)多人混合語(yǔ)音分離的效果往往較差。其原因在于：在語(yǔ)音重組時(shí)，多個(gè)聽(tīng)覺(jué)片段(聽(tīng)覺(jué)片段是指由多個(gè)時(shí)頻單元組成的片段)僅僅依據(jù)能量特性進(jìn)行組合，以分離出多個(gè)聽(tīng)覺(jué)流(聽(tīng)覺(jué)流是指由多個(gè)聽(tīng)覺(jué)片段組成而成的聲音信息)。由于語(yǔ)音信號(hào)中，不僅包括目標(biāo)用戶發(fā)出的語(yǔ)音信息，也包括其他用戶發(fā)出的語(yǔ)音信息或環(huán)境噪音。若僅僅通過(guò)能量特征將多個(gè)聽(tīng)覺(jué)片段進(jìn)行組合，容易導(dǎo)致目標(biāo)聽(tīng)覺(jué)流中包含非目標(biāo)用戶對(duì)應(yīng)的聽(tīng)覺(jué)片段。因此傳統(tǒng)的聽(tīng)覺(jué)場(chǎng)景分析技術(shù)，匹配目標(biāo)聽(tīng)覺(jué)片段的精準(zhǔn)度較低。

發(fā)明內(nèi)容

有鑒于此，本申請(qǐng)實(shí)施例提供了一種混合語(yǔ)音信號(hào)的處理方法及裝置，可以解決由于語(yǔ)音信號(hào)中，不僅包括目標(biāo)用戶發(fā)出的語(yǔ)音信息，也包括其他用戶發(fā)出的語(yǔ)音信息或環(huán)境噪音。若僅僅通過(guò)能量特征將多個(gè)聽(tīng)覺(jué)片段進(jìn)行組合。容易導(dǎo)致目標(biāo)聽(tīng)覺(jué)流中包含非目標(biāo)用戶對(duì)應(yīng)的聽(tīng)覺(jué)片段。因此傳統(tǒng)的聽(tīng)覺(jué)場(chǎng)景分析技術(shù)，匹配目標(biāo)聽(tīng)覺(jué)片段的精準(zhǔn)度較低的技術(shù)問(wèn)題。

本申請(qǐng)實(shí)施例的第一方面提供了一種混合語(yǔ)音信號(hào)的處理方法，所述處理方法包括：

獲取混合語(yǔ)音信號(hào)對(duì)應(yīng)的多個(gè)第一聽(tīng)覺(jué)片段，其中，所述第一聽(tīng)覺(jué)片段是指由多個(gè)時(shí)頻單元組成的片段；

在多個(gè)所述第一聽(tīng)覺(jué)片段中，選擇一個(gè)符合預(yù)設(shè)條件的所述第一聽(tīng)覺(jué)片段，作為核心片段；

根據(jù)所述核心片段的基音周期和每個(gè)所述第一聽(tīng)覺(jué)片段的片段參數(shù)，將核心片段與除去所述核心片段的剩余第一聽(tīng)覺(jué)片段匹配，得到目標(biāo)聲源的目標(biāo)聽(tīng)覺(jué)片段，所述片段參數(shù)包括音色和梅爾頻率倒譜系數(shù)。

本申請(qǐng)實(shí)施例的第二方面提供了一種混合語(yǔ)音信號(hào)的處理裝置，所述處理裝置包括：

獲取單元，用于獲取混合語(yǔ)音信號(hào)對(duì)應(yīng)的多個(gè)第一聽(tīng)覺(jué)片段，其中，所述第一聽(tīng)覺(jué)片段是指由多個(gè)時(shí)頻單元組成的片段；

判斷單元，用于在多個(gè)所述第一聽(tīng)覺(jué)片段中，選擇一個(gè)符合預(yù)設(shè)條件的所述第一聽(tīng)覺(jué)片段，作為核心片段；

匹配單元，用于根據(jù)所述核心片段的基音周期和每個(gè)所述第一聽(tīng)覺(jué)片段的片段參數(shù)，將核心片段與除去所述核心片段的剩余第一聽(tīng)覺(jué)片段匹配，得到目標(biāo)聲源的目標(biāo)聽(tīng)覺(jué)片段，所述片段參數(shù)包括音色和梅爾頻率倒譜系數(shù)。

本申請(qǐng)實(shí)施例的第三方面提供了一種終端設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述第一方面所述方法的步驟。

本申請(qǐng)實(shí)施例的第四方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述第一方面所述方法的步驟。