[發明專利]音頻信號處理方法、設備、系統及存儲介質

在審

• 申請號: 202110235834.0
• 申請日: 2021-03-03
• 公開（公告）號: CN115019826A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 鄭斯奇;索宏彬
• 申請（專利權）人: 阿里巴巴（中國）有限公司
• 主分類號: G10L25/51
• 分類號: G10L25/51
• 代理公司: 北京太合九思知識產權代理有限公司 11610
• 代理人: 劉戈;張愛

本申請實施例提供一種音頻信號處理方法、設備、系統及存儲介質。在本申請實施例中，利用麥克風陣列采集音頻信號，根據麥克風陣列中每個麥克風采集到音頻信號的相位差信息，生成音頻信號對應的聲源空間分布信息，進而根據聲源空間分布信息，結合基于歷史音頻信號學習到的單一語音與重疊語音之間的轉換關系，識別當前音頻信號是否為重疊語音，相比于單通道音頻，利用麥克風陣列采集的音頻信號，包含了聲源空間分布信息，從而可以準確地識別當前音頻信號是否為重疊語音，滿足產品級別的檢測需求。

技術領域

本申請涉及音頻處理技術領域，尤其涉及一種音頻信號處理方法、設備、系統及存儲介質。

背景技術

麥克風陣列是由一定數目的麥克風組成，對聲場的空間特性進行采樣并濾波的系統。麥克風陣列對遠場干擾噪聲具有很強的抑制作用，可應用在一些具有語音采集功能的產品中，例如拾音器、錄音筆等，以便準確采集各種場景中的語音信號。

在一些應用場景中，既存在單人發言的情況，也可能發生多個發言人同時發言的情況，所采集到的語音信號既可能包括單一語音信號，也可能包括多個發言人的發言重疊在一起的重疊語音信號。為了準確識別會議中同時有幾個發言人，各自發言內容是什么，需要識別出重疊語音信號，進而對重疊語音信號做語音識別處理。

在現有技術中，可以通過大量音頻數據訓練得到的重疊語音檢測模型，基于該檢測模型對音頻信號是否是重疊語音信號進行檢測。但是，現有重疊語音檢測大多是基于單通道音頻的，直接將現有重疊語音檢測技術應用到采用麥克風陣列的多通道音頻場景中，其準確性會下降，無法滿足產品級別的檢測需求。

發明內容

本申請的多個方面提供一種音頻信號處理方法、設備、系統及存儲介質，用以提高識別語音是否為重疊語音的準確性，以滿足產品級別的檢測需求。

本申請實施例提供一種音頻信號處理方法，包括：獲取麥克風陣列采集到的當前音頻信號，麥克風陣列包含至少兩個麥克風；根據至少兩個麥克風采集到當前音頻信號的相位差信息，生成當前音頻信號對應的當前聲源空間分布信息；根據當前聲源空間分布信息，結合基于歷史音頻信號學習到的單一語音與重疊語音之間的轉換關系，識別當前音頻信號是否為重疊語音。

本申請實施例還提供一種音頻信號處理方法，適用于會議設備，會議設備包括麥克風陣列，該方法包括：獲取麥克風陣列在會議場景中采集到的當前會議信號，麥克風陣列包含至少兩個麥克風；根據至少兩個麥克風采集到當前會議信號的相位差信息，生成當前會議信號對應的當前聲源空間分布信息；根據當前聲源空間分布信息，結合基于歷史會議信號學習到的單一語音與重疊語音之間的轉換關系，識別當前會議信號是否為重疊語音。

本申請實施例還提供一種音頻信號處理方法，適用于教學設備，教學設備包括麥克風陣列，該方法包括：獲取麥克風陣列在教學環境中采集到的當前課堂信號，麥克風陣列包含至少兩個麥克風；根據至少兩個麥克風采集到當前課堂信號的相位差信息，生成當前課堂信號對應的當前聲源空間分布信息；根據當前聲源空間分布信息，結合基于歷史課堂信號學習到的單一語音與重疊語音之間的轉換關系，識別當前課堂信號是否為重疊語音。

本申請實施例還提供一種音頻信號處理方法，適用于智能車載設備，智能車載設備包括麥克風采集陣列，該方法包括：獲取麥克風陣列在車載環境中采集到的當前音頻信號，麥克風陣列包含至少兩個麥克風；根據至少兩個麥克風采集到當前音頻信號的相位差信息，生成當前音頻信號對應的當前聲源空間分布信息；根據當前聲源空間分布信息，結合基于歷史音頻信號學習到的單一語音與重疊語音之間的轉換關系，識別當前音頻信號是否為重疊語音。