[發明專利]通過計算機識別后重新生成進行語音音頻增強的方法

在審

• 申請號: 202110035305.6
• 申請日: 2021-01-12
• 公開（公告）號: CN112863531A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 蔣亦韜
• 申請（專利權）人: 蔣亦韜
• 主分類號: G10L21/02
• 分類號: G10L21/02;G10L15/04;G10L15/16;G10L15/26
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了通過計算機識別后重新生成進行語音音頻增強的方法，涉及計算機音頻增強處理系統技術領域，具體為通過計算機識別后重新生成進行語音音頻增強的方法，包括以下步驟：S1、輸入語音音頻數據；S2、將語音音頻進行分割處理；S3、將分割音頻進行計算機識別處理；S4、對計算機識別結果做修正處理；S5、結合識別結果和其他標記數據進行計算機語音合成生成增強后語音音頻。該通過計算機識別后重新生成進行語音音頻增強的方法，通過計算機識別語音內容成分，并使用獲取到的內容成分進行計算機生成語音，從而達到對音頻中語音內容的直接增強；通過計算機生成語音，可以對語音增強結果進行高度的自定義化效果，而并不用依賴于音頻素材本身。

技術領域

本發明涉及計算機音頻增強處理系統技術領域，具體為通過計算機識別后重新生成進行語音音頻增強的方法。

背景技術

目前，語音增強大多是采用算法進行環境降噪、濾波、分頻、壓限等方式，或通過使用硬件混合處理的方法降噪并增強說話人語音。

傳統語音增強方法更多是通過對音頻信號本身進行處理而進行的，通過間接的方式增強說話人的語音內容，而不能直接的提取出音頻信號中的語音內容進行增強，這會使得語音增強過程中得到一些并不想要的聲音結果，且增強效果不穩定，無法保證在不同環境中獲得穩定的語音增強效果，增強后的語音對于人類的聽覺識別的優化較為有限，無法很好的起到增強人類語音理解力的作用。

發明內容

針對現有技術的不足，本發明提供了通過計算機識別后重新生成進行語音音頻增強的方法，解決了上述背景技術中提出現有傳統語音增強方法更多是通過對音頻信號本身進行處理而進行的，通過間接的方式增強說話人的語音內容，而不能直接的提取出音頻信號中的語音內容進行增強，這會使得語音增強過程中得到一些并不想要的聲音結果，且增強效果不穩定，無法保證在不同環境中獲得穩定的語音增強效果，增強后的語音對于人類的聽覺識別的優化較為有限，無法很好的起到增強人類語音理解力的作用的問題。

為實現以上目的，本發明通過以下技術方案予以實現：通過計算機識別后重新生成進行語音音頻增強的方法，包括以下步驟：

S1、輸入語音音頻數據；

S2、將語音音頻進行分割處理；

S3、將分割音頻進行計算機識別處理；

S4、對計算機識別結果做修正處理；

S5、結合識別結果和其他標記數據進行計算機語音合成生成增強后語音音頻。

可選的，所述通過計算機識別后重新生成進行語音音頻增強的方法，具體包括一下步驟：

S1、輸入語音音頻數據：輸入一段完整的語音音頻；

S2、將語音音頻進行分割處理：將步驟S1、輸入語音音頻數據中的完整音頻，根據說話的斷句判斷其分割點，記錄下相應的時間戳、時長、相對位置等標記數據，并對音頻本身進行切分；

S3、將分割音頻進行計算機識別處理：將分割后的音頻，通過計算機語音轉換技術，將音頻內容轉換成文字或等價的語音標記元素如字符、拼音、音標、羅馬音、發音標記等；

S4、對計算機識別結果做修正處理：根據上下文分析和發音規律分析等將可能產生誤識別的語音標記元素修正為更有可能是正確的語音標記元素；

S5、結合識別結果和其他標記數據進行計算機語音合成生成增強后語音音頻：根據步驟S4、對計算機識別結果做修正處理中產生的語音生成標記，使用計算機進行語音合成，生成語音音頻結果。

可選的，所述步驟S3、將分割音頻進行計算機識別處理的進一步包括：將分割音頻進行語音情緒、語調、性別等語音特征進行識別。

可選的，所述將分割音頻進行語音情緒、語調、性別等語音特征進行識別具體包括以下步驟：為了能獲得更好的語音生成效果，減少生成語音與原說話人之間的聲音差異，以及避免情緒等信息的傳達缺失，以及將原音頻中說話人在該段音頻中的語音特征提取出來，以便按照相似的特征進行語音生成。