[發明專利]一種基于深度學習模型的智能語音數字通信方法

在審

• 申請號: 202011068931.7
• 申請日: 2020-09-30
• 公開（公告）號: CN112435666A
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 陳健;李焱;何磊華
• 申請（專利權）人: 遠傳融創（杭州）科技有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/20;G10L15/16;G10L15/02;G10L13/047;G10L13/04;G10L21/0208;G10L19/18;G06N20/00
• 代理公司: 無錫松禾知識產權代理事務所(普通合伙) 32316
• 代理人: 蔡趙

本發明公開了一種基于深度學習模型的智能語音數字通信方法，包括語音輸入端，所述語音輸入端通過模數轉換將語音轉換為文本輸出端；所述文本輸出端通過數字通信子系統輸出于數模轉換；所述數模轉換輸出于語音接收端。本發明提供一種基于深度學習模型的智能語音數字通信方法能有效通過基于深度學習的智能語音模型將語音零失真的輸出到接受端的效果。

技術領域

本發明涉及移動語音通信、OTT語音通信和智能坐席系統領域。

背景技術

在進行語音通信時，語音的通話質量往往受到許多因素的影響，比如：語音編碼技術對語音進行壓縮，對語音質量有一定影響；語音技術方案由于會受到無線環境、網絡設備及通話環境影響，不可避免的出現丟包、誤碼、抖動等影響通話質量的問題；無法對背景噪聲及傳輸噪聲進行識別及抑制等問題。

發明內容

發明目的：為了克服現有技術中存在的不足，本發明提供一種基于深度學習模型的智能語音數字通信方法能有效通過基于深度學習的智能語音模型將語音零失真的輸出到接受端的效果。

技術方案：為實現上述目的，本發明的技術方案如下：

一種基于深度學習模型的智能語音數字通信方法，包括語音輸入端，所述語音輸入端通過模數轉換將語音轉換為文本輸出端；所述文本輸出端通過數字通信子系統輸出于數模轉換；所述數模轉換輸出于語音接收端。無需進行語音編解碼，避免了編解碼對語音質量的影響。

進一步的，所述模數轉換包括包括降噪處理和智能語音轉譯模型；所述智能語音轉譯模型識別噪聲，并進行平滑處理來消除噪聲。對背景噪聲及傳輸噪聲進行特征識別，進而做平滑處理抑制噪聲。

進一步的，所述模數轉換還包括基于深度學習的語音轉譯技術；所述基于深度學習的語音轉譯技術通過智能語音轉譯模型提取語音的三維信息；所述三維信息包括語言特征、聲學特征和語音文本信息。

進一步的，所述智能語音轉譯模型將三維信息通過數字通信子系統輸出至數模轉換。基于深度學習的語音轉譯及合成技術，結合數字通信技術，實現基于深度學習的智能語音數字通信。

進一步的，所述數字通信子系統采用低階編碼、自適應編碼、編碼糾錯及重傳機制完成輸出三維信息。保證惡劣通信環境下的語音通信質量，同時采用自適應編碼最大限度的利用網絡資源。

進一步的，所述數字通信子系統還包括信道編碼；當通信環境較差時，所述信道編碼采用BPSK、LDPC1/2低階調制編碼方案；當通信環境較好時，采用64QAM、LDPC5/6高階調制編碼方案；提升語音業務承載容量。

進一步的，所述數模轉換包括高清語音合成；所述高清語音合成包括語音合成模型和基于深度學習的零失真高清語音合成技術；所述基于深度學習的零失真高清語音合成技術通過語音合成模型將三維信息合成輸出到語音接收端，且所述語音合成模型對三維信息進行噪聲抑制。

進一步的，所述語音合成模型包括信息輸入端、核心網和信息輸出端；所述信息輸入端上傳數據至核心網，所述核心網輸出數據至信息輸出端。

進一步的，所述語音合成模型還包括基于云服務器的模型迭代訓練；將特征數據及語音數據傳送至云服務器，然后云服務器將數據進行流式處理，對原始語音數據、聲學特征、語言特征及文本信息進行樣本比對，根據比對結果對合同模型進行校正及迭代；迭代的語音合成模型通過網絡傳輸至語音接收端；完成語音合成模型的迭代發布；提高合成語音清晰度以及覆蓋更多三維信息。

有益效果：本發明的的有益效果包括：

(1)基于深度學習的智能語音數字通信方案，通信過程中無需進行語音編解碼，避免了編解碼對語音質量的影響；

(2)基于深度學習的語音轉譯技術壓縮語音通信傳輸數據量，降低通信帶寬要求；