[發(fā)明專利]音頻處理方法、裝置、電子設(shè)備和可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011613263.1
• 申請(qǐng)日: 2020-12-30
• 公開（公告）號(hào): CN112735454A
• 公開（公告）日: 2021-04-30
• 發(fā)明（設(shè)計(jì)）人: 梁光;舒景辰;吳雨璇;楊惠;周鼎皓
• 申請(qǐng)（專利權(quán)）人: 北京大米科技有限公司
• 主分類號(hào): G10L21/02
• 分類號(hào): G10L21/02;G10L21/0208;G10L13/10;G10L25/30;G10L25/90
• 代理公司: 北京睿派知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11597
• 代理人: 劉鋒

1.一種音頻處理方法，其特征在于，所述方法包括：

獲取待處理音頻；以及

將所述待處理音頻輸入至預(yù)先訓(xùn)練的信息補(bǔ)償模型進(jìn)行處理，以獲取目標(biāo)音頻；

其中，所述信息補(bǔ)償模型基于如下步驟訓(xùn)練：

獲取訓(xùn)練集，所述訓(xùn)練集包括多個(gè)樣本組，所述樣本組包括經(jīng)降維處理后的第一音頻樣本和所述第一音頻樣本對(duì)應(yīng)的原始音頻樣本；以及

根據(jù)所述訓(xùn)練集訓(xùn)練所述信息補(bǔ)償模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取待處理音頻，包括：

獲取原始音頻數(shù)據(jù)；以及

對(duì)所述原始音頻數(shù)據(jù)進(jìn)行降采樣處理，獲取待處理音頻。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第一音頻樣本中包括預(yù)設(shè)的噪聲數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述噪聲數(shù)據(jù)包括白噪聲和/或粉紅噪聲。

5.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述獲取訓(xùn)練集，包括：

獲取多個(gè)原始音頻樣本；

對(duì)于一原始音頻樣本，對(duì)所述原始音頻樣本進(jìn)行降采樣處理，獲取第一音頻數(shù)據(jù)；以及

將多個(gè)預(yù)設(shè)的噪聲數(shù)據(jù)分別與所述第一音頻數(shù)據(jù)進(jìn)行組合，確定對(duì)應(yīng)的多個(gè)第一音頻樣本，以獲取所述原始音頻樣本對(duì)應(yīng)的多個(gè)樣本組。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述待處理音頻輸入至預(yù)先訓(xùn)練的信息補(bǔ)償模型進(jìn)行處理，以獲取目標(biāo)音頻，包括：

將所述待處理音頻輸入至預(yù)先訓(xùn)練的信息補(bǔ)償模型進(jìn)行升采樣處理，以確定所述目標(biāo)音頻。

7.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取原始音頻數(shù)據(jù)，包括：

獲取輸入文本；

確定所述輸入文本中至少一個(gè)字的發(fā)音向量，所述發(fā)音向量至少包括對(duì)應(yīng)字的韻律信息；

確定各所述發(fā)音向量對(duì)應(yīng)的發(fā)音時(shí)長(zhǎng)以及發(fā)音音調(diào)，所述發(fā)音時(shí)長(zhǎng)用于表征發(fā)音的持續(xù)時(shí)長(zhǎng)，所述發(fā)音音調(diào)用于表征發(fā)音的音高；以及

基于所述發(fā)音向量、所述發(fā)音時(shí)長(zhǎng)以及所述發(fā)音音調(diào)，合成所述輸入文本對(duì)應(yīng)的原始音頻數(shù)據(jù)。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述發(fā)音音調(diào)為方言音調(diào)，所述方言音調(diào)用于表征方言發(fā)音的音高。

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述信息補(bǔ)償模型基于自回歸神經(jīng)網(wǎng)絡(luò)或者生成對(duì)抗網(wǎng)絡(luò)構(gòu)建。

10.一種音頻處理裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取待處理音頻；以及

信息補(bǔ)償模塊，用于將所述待處理音頻輸入至預(yù)先訓(xùn)練的信息補(bǔ)償模型進(jìn)行處理，以獲取目標(biāo)音頻；

其中，所述信息補(bǔ)償模型基于如下模塊訓(xùn)練：

第二獲取模塊，用于獲取訓(xùn)練集，所述訓(xùn)練集包括多個(gè)樣本組，所述樣本組包括經(jīng)降維處理后的第一音頻樣本和所述第一音頻樣本對(duì)應(yīng)的原始音頻樣本；以及

訓(xùn)練模塊，用于根據(jù)所述訓(xùn)練集訓(xùn)練所述信息補(bǔ)償模型。

11.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述第一獲取模塊，具體用于：

獲取原始音頻數(shù)據(jù)；以及

對(duì)所述原始音頻數(shù)據(jù)進(jìn)行降采樣處理，獲取待處理音頻。

12.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述第一音頻樣本中包括預(yù)設(shè)的噪聲數(shù)據(jù)。

13.根據(jù)權(quán)利要求12所述的裝置，其特征在于，所述噪聲數(shù)據(jù)包括白噪聲和/或粉紅噪聲。