[發(fā)明專利]一種語音信號處理方法、裝置、介質和設備

在審

• 申請?zhí)枺?/td>: 202011517821.4
• 申請日: 2020-12-21
• 公開（公告）號: CN112634868A
• 公開（公告）日: 2021-04-09
• 發(fā)明（設計）人: 陳孝良;孔德威;馮大航;常樂
• 申請（專利權）人: 北京聲智科技有限公司
• 主分類號: G10L15/00
• 分類號: G10L15/00;G10L15/02;G10L15/04;G10L15/06;G10L15/16;G10L19/04
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 萬曉君

本發(fā)明涉及一種語音信號處理方法、裝置、介質和設備。根據(jù)本發(fā)明實施例提供的方案，可以識別出語音信號中的語音破損片段，即，語音信號丟失片段和/或語音信號損失片段。進而針對每個語音破損片段，合成得到該語音破損片段對應的語音信號，其中，針對每個語音信號丟失片段，可以根據(jù)其時長，利用與其相鄰的至少一個語音信號正常片段，合成該語音信號丟失片段對應的語音信號。而針對每個語音信號損失片段，可以基于該語音信號損失片段，利用預先訓練出的語音合成模型，合成該語音信號損失片段對應的語音信號，從而可以基于合成得到的語音信號實現(xiàn)對語音信號的修復，提高語音通信質量，保證用戶可以連續(xù)、清晰地收聽到語音。

技術領域

本發(fā)明涉及語音處理技術領域，特別涉及一種語音信號處理方法、裝置、介質和設備。

背景技術

本部分旨在為權利要求書中陳述的本發(fā)明的實施方式提供背景或上下文。此處的描述不因為包括在本部分中就承認是現(xiàn)有技術。

在進行語音通信的過程中，例如，在進行視頻會議語音通話的過程中，語音通信質量會受到網(wǎng)絡傳輸質量等因素的影響。在某些情況，例如網(wǎng)絡通信質量比較差的情況下，經常會出現(xiàn)部分語音信號損失(可以理解為該部分語音信號的語音質量較差)甚至丟失(可以理解為該部分語音信號的語音質量非常差)的情況，造成語音通信質量較差。

在存在部分語音信號損失的情況下，會導致用戶聽到的該部分語音清晰度較低，而在存在部分語音信號丟失的情況下，會導致用戶無法聽到該部分語音，影響語義的完整性。

因此，亟需提供一種可以提升語音通信質量的解決方案。

發(fā)明內容

本發(fā)明實施例提供一種語音信號處理方法、裝置、介質和設備，用于解決部分語音信號存在損失或丟失的情況下，語音通信質量較差的問題。

第一方面，本發(fā)明提供了一種語音信號處理方法，所述方法包括：

確定接收到的語音信號中的至少一個語音破損片段，所述語音破損片段包括語音信號丟失片段和語音信號損失片段；

針對每個語音破損片段，合成得到該語音破損片段對應的語音信號，其中，若一個語音破損片段為語音信號丟失片段，根據(jù)該語音信號丟失片段的時長，基于該語音信號丟失片段相鄰的至少一個語音信號正常片段，合成得到該語音信號丟失片段對應的語音信號；若一個語音破損片段為語音信號損失片段，基于該語音信號損失片段，利用預先訓練出的語音合成模型，合成得到該語音信號損失片段對應的語音信號；

利用合成得到的破損語音片段對應的語音信號，替換接收到的語音信號中該破損語音片段對應的原始語音信號。

可選的，若一個語音信號丟失片段的時長小于一個音子對應的時長，基于該語音信號丟失片段相鄰的至少一個語音信號正常片段，合成得到該語音信號丟失片段對應的語音信號，包括：

確定所述語音信號中，與該語音信號丟失片段相鄰的至少一個語音信號正常片段；

將確定出的所述語音信號正常片段的每個語音幀對應的語音特征作為輸入，利用預先訓練出的特征預測模型，依次確定該語音信號丟失片段的每個語音幀對應的語音特征；

將確定出的該語音信號丟失片段的每個語音幀對應的語音特征作為輸入，利用預先訓練出的聲碼器模型，依次合成輸入的語音特征對應的語音幀對應的每個語音點。

可選的，若一個語音信號丟失片段的時長不小于一個音子對應的時長，基于該語音信號丟失片段相鄰的至少一個語音信號正常片段，合成得到該語音信號丟失片段對應的語音信號，包括：

確定所述語音信號中，與該語音信號丟失片段相鄰的至少一個語音信號正常片段；

通過自動語音識別確定所述語音信號正常片段對應的音子序列；