[發明專利]一種清濁音檢測方法、裝置、設備及介質

在審

• 申請號: 202110105007.X
• 申請日: 2021-01-26
• 公開（公告）號: CN112885380A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 張超鵬
• 申請（專利權）人: 騰訊音樂娛樂科技（深圳）有限公司
• 主分類號: G10L25/93
• 分類號: G10L25/93;G10L25/21
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 常忠良

本申請公開了一種清濁音檢測方法、裝置、設備、介質。該方法包括：提取待處理音頻信號對應的功率譜；基于所述功率譜確定所述待處理音頻信號中各個待處理音頻信號子段的第一能量比，其中，各個所述待處理音頻信號子段為基于所述待處理音頻信號的采樣頻率對所述待處理音頻信號進行劃分得到的，所述第一能量比為各個所述待處理音頻信號子段中的濁音頻段內的能量與清濁音頻段內的能量的比值，所述清濁音頻段包括所述濁音頻段和清音頻段；根據所述第一能量比和預設能量比閾值確定出所述待處理音頻信號中的清音片段和濁音片段。這樣能夠提高清濁音檢測的正確率，且工作量較小，需要的成本較低。

技術領域

本申請涉及計算機技術領域，特別涉及一種清濁音檢測方法、裝置、設備、介質。

背景技術

隨著網絡多媒體以及人工智能的迅速發展，對高質量的歌聲處理技術要求越來越高，比如智能修音、智能人聲合成等。在對歌聲進行處理的過程中，歌曲的清濁音檢測對于實現自動修音以及語音合成具有重要意義，在清濁音區分不清楚時，會出現變速變調或者智能合成后的聲音信號出現電音、破音、聽感不自然等問題，故高質量的清濁音檢測對于修音或歌唱聲合成具有重要意義。

現有的清濁音檢測方法主要包括：一是，僅僅針對音頻信號給出大致的語音段以及靜音段檢測結果。二是，僅僅基于基頻是否為0進行檢測。三是，在進行語音識別的過程中，利用訓練好的模型區分清濁音音素。

發明人發現以上現有技術中至少存在如下問題，一是，采用上述第一種方法只能檢測出人聲和靜音，對于清濁音信號的檢測準確度較低。二是，由于基頻判斷本身不夠準確等問題導致最終的清濁音片段出現過多誤差。三是，采用上述第二種方法需要依賴大量的訓練集語料整理、人工標注等工作，且在應用目標不同時，比如識別的音頻語音發聲類型不同(一般語音和歌曲)，或者識別的語種不同(英語和漢語)，需要的訓練集數據有較大差異，在切換應用場景時，也需要重新訓練模型或對現有模型做迭代優化，這樣整個過程工作量較大，且需要的成本太高。

發明內容

有鑒于此，本申請的目的在于提供一種清濁音檢測方法、裝置、設備、介質，能夠提高清濁音檢測的正確率，且工作量較小，需要的成本較低。其具體方案如下：

為實現上述目的，第一方面，提供了一種清濁音檢測方法，包括：

提取待處理音頻信號對應的功率譜；

基于所述功率譜確定所述待處理音頻信號中各個待處理音頻信號子段的第一能量比，其中，各個所述待處理音頻信號子段為基于所述待處理音頻信號的采樣頻率對所述待處理音頻信號進行劃分得到的，所述第一能量比為各個所述待處理音頻信號子段中的濁音頻段內的能量與清濁音頻段內的能量的比值，所述清濁音頻段包括所述濁音頻段和清音頻段；

根據所述第一能量比和預設能量比閾值確定出所述待處理音頻信號中的清音片段和濁音片段。

可選地，所述根據所述第一能量比和預設能量比閾值確定出所述待處理音頻信號中的清音片段和濁音片段，包括：

將所述第一能量比不小于預設能量比閾值的連續多個所述待處理音頻信號子段作為一個濁音片段，以確定所述待處理音頻信號中的濁音片段；

將所述第一能量比小于預設能量比閾值的連續多個所述待處理音頻信號子段作為一個清音片段，以確定所述待處理音頻信號中的清音片段。

可選地，所述提取待處理音頻信號對應的功率譜，包括：

提取所述待處理音頻信號的基頻信息；

利用所述基頻信息和所述采樣頻率提取所述待處理音頻信號對應的功率譜。

可選地，所述利用所述基頻信息和所述采樣頻率提取所述待處理音頻信號對應的功率譜，包括：