[發明專利]語音增強方法、裝置、電子設備和存儲介質在審
| 申請號： | 202011593233.9 | 申請日： | 2020-12-29 |
| 公開（公告）號： | CN112700786A | 公開（公告）日： | 2021-04-23 |
| 發明（設計）人： | 張姣;付中華;王海坤 | 申請（專利權）人： | 西安訊飛超腦信息科技有限公司 |
| 主分類號： | G10L21/0208 | 分類號： | G10L21/0208;G10L21/0216;G10L25/27 |
| 代理公司： | 北京路浩知識產權代理有限公司 11002 | 代理人： | 程琛 |
| 地址： | 710000 陜西省西安市高新*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 語音 增強 方法 裝置 電子設備 存儲 介質 | ||
本發明提供一種語音增強方法、裝置、電子設備和存儲介質，所述方法包括：獲取采集所得的原始語音，對原始語音進行降噪，得到降噪語音；基于原始語音和降噪語音，確定原始語音的語音增強掩碼；基于語音增強掩碼，對所述原始語音進行語音增強。本發明實施例通過在語音增強掩碼中融入原始語音信息和降噪語音信息，使得語音增強掩碼能夠準確學習到帶噪的原始語音到干凈語音的映射關系，提高了語音增強的效果。
技術領域
本發明涉及語音信號處理技術領域，尤其涉及一種語音增強方法、裝置、電子設備和存儲介質。
背景技術
由于設備采集的語音通常是帶有噪聲的語音，語音增強的主要目的就是對帶有噪聲的語音進行降噪處理，即通過語音增強可以有效抑制各種干擾信號，增強目標語音信號。
目前，多通過語音增強網絡模型對帶有噪聲的語音進行語音增強，但訓練語音增強網絡模型時需要大量的語音或噪聲數據樣本，而有時這些樣本難以獲取，進而影響語音網絡模型的降噪性能。
發明內容
本發明提供一種語音增強方法、裝置、電子設備和存儲介質，用以解決現有技術中語音增強效果較差的缺陷。
本發明提供一種語音增強方法，包括：
獲取采集所得的原始語音，對所述原始語音進行降噪，得到降噪語音；
基于所述原始語音和所述降噪語音，確定所述原始語音的語音增強掩碼；
基于所述語音增強掩碼，對所述原始語音進行語音增強。
根據本發明提供的一種語音增強方法，所述基于所述原始語音和所述降噪語音，確定所述原始語音的語音增強掩碼，具體包括：
基于第一掩碼預測模型，對所述原始語音的聲學特征和所述降噪語音的聲學特征進行融合，并基于融合所得的特征進行掩碼預測，得到所述原始語音的第一語音增強掩碼；
其中，所述第一掩碼預測模型是基于樣本原始語音的聲學特征、樣本降噪語音的聲學特征及其對應的樣本語音增強掩碼標簽訓練得到的。
根據本發明提供的一種語音增強方法，所述基于第一掩碼預測模型，對所述原始語音的聲學特征和所述降噪語音的聲學特征進行融合，并基于融合所得的特征進行掩碼預測，得到所述原始語音的第一語音增強掩碼，具體包括：
基于所述第一掩碼預測模型的融合層，對所述原始語音的聲學特征和所述降噪語音的聲學特征進行加權融合，得到第一融合特征；
基于所述第一掩碼預測模型的預測層，得到所述原始語音的第一語音增強掩碼。
根據本發明提供的一種語音增強方法，所述加權融合應用的權重是基于所述原始語音的聲學特征和所述降噪語音的聲學特征確定的。
根據本發明提供的一種語音增強方法，所述基于所述原始語音和所述降噪語音，確定所述原始語音的語音增強掩碼，具體包括：
對所述原始語音的聲學特征和所述降噪語音的聲學特征進行融合，得到第二融合特征；
基于第二掩碼預測模型，得到所述原始語音的第二語音增強掩碼；
其中，所述第二掩碼預測模型是基于樣本語音融合特征及其對應的樣本語音增強掩碼標簽訓練得到的，所述樣本語音融合特征是基于樣本原始語音的聲學特征和樣本降噪語音的聲學特征確定的。
根據本發明提供的一種語音增強方法，所述樣本原始語音是將干凈語音與噪聲音頻混合得到的，所述樣本語音增強掩碼標簽是基于所述干凈語音的聲學特征和所述噪聲音頻的聲學特征確定的。
本發明還提供一種語音增強裝置，包括：
語音降噪單元，用于獲取采集所得的原始語音，對所述原始語音進行降噪，得到降噪語音；
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西安訊飛超腦信息科技有限公司，未經西安訊飛超腦信息科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011593233.9/2.html，轉載請聲明來源鉆瓜專利網。
