[發明專利]一種噪聲提取方法、裝置、設備和存儲介質

在審

• 申請號: 202011131906.9
• 申請日: 2020-10-21
• 公開（公告）號: CN112420022A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 葉帥帥;胡新輝;徐欣康
• 申請（專利權）人: 浙江同花順智能科技有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/04;G10L25/03
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種噪聲提取方法，其特征在于，包括：

獲取語音數據中各語音幀的聲學特征；

將所述聲學特征輸入第一語音識別模型，獲得各語音幀的第一類別標簽；

將所述聲學特征輸入第二語音識別模型，獲得各語音幀的音素標簽；

根據所述音素標簽確定各語音幀的第二類別標簽；

將所述第一類別標簽和所述第二類別標簽進行融合，獲得各語音幀的目標標簽；

根據所述目標標簽確定噪聲段，并提取所述噪聲段。

2.根據權利要求1所述的方法，其特征在于，獲取語音數據中各語音幀的聲學特征，包括：

對語音數據進行分幀處理，獲得多個語音幀；

并提取所述多個語音幀的聲學特征。

3.根據權利要求1所述的方法，其特征在于，根據所述音素標簽確定各語音幀的第二類別標簽，包括：

根據文本數據和預設發音詞典構建語音識別解碼圖HCLG；所述文本數據為與所述語音數據對應的數據；

根據所述HCLG對所述音素標簽進行解碼，獲得音素類別；

根據所述音素類別確定各語音幀的第二類別標簽。

4.根據權利要求3所述的方法，其特征在于，根據所述HCLG對所述音素標簽進行解碼，獲得音素類別，包括：

根據所述HCLG對所述音素標簽進行整合，獲得音素信息；所述音素信息包括多個音素標簽；

根據所述預設發音詞典中各音素標簽的類別確定所述音素信息的音素類別；

根據所述HCLG將所述音素信息與各語音幀進行匹配；

根據匹配結果確定各語音幀的音素類別。

5.根據權利要求1所述的方法，其特征在于，將所述第一類別標簽和所述第二類別標簽進行融合，獲得各語音幀的目標標簽，包括：

對所述第一類別標簽和所述第二類別標簽進行位或操作，獲得各語音幀的目標標簽。

6.根據權利要求1所述的方法，其特征在于，根據所述目標標簽確定噪聲段，包括：

將目標標簽連續為第一設定值的語音幀構成的語音段確定為噪聲段。

7.根據權利要求1-6任一所述的方法，其特征在于，所述第一語音識別模型的訓練過程為：

獲取樣本語音數據中各語音幀的聲學特征以及各語音幀的第一類別標簽；

基于所述聲學特征和所述第一類別標簽構成的第一訓練數據對，對第一語音識別模型進行訓練。

8.根據權利要求7所述的方法，其特征在于，所述第二語音識別模型的訓練過程為：

對樣本文本數據進行解析，獲得各語音幀的音素信息；所述樣本文本數據為與所述樣本語音數據對應的數據；

確定所述音素信息對應的音素標簽；

基于所述聲學特征和所述音素標簽構成的第二訓練數據對，對所述第二語音識別模型進行訓練。

9.一種噪聲提取裝置，其特征在于，包括：

聲學特征獲取模塊，用于獲取語音數據中各語音幀的聲學特征；

第一類別標簽獲取模塊，用于將所述聲學特征輸入第一語音識別模型，獲得各語音幀的第一類別標簽；

音素標簽獲取模塊，用于將所述聲學特征輸入第二語音識別模型，獲得各語音幀的音素信息；

第二類別標簽確定模塊，用于根據所述音素信息確定各語音幀的第二類別標簽；

標簽融合模塊，用于將所述第一類別標簽和所述第二類別標簽進行融合，獲得各語音幀的目標標簽；

噪聲段提取模塊，用于根據所述目標標簽確定噪聲段，并提取所述噪聲段。

10.一種計算機設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-8中任一所述的噪聲提取方法。

11.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-8中任一所述的噪聲提取方法。