[發明專利]一種語音特征處理方法、裝置、電子設備及存儲介質

有效

• 申請號: 202110290322.4
• 申請日: 2021-03-18
• 公開（公告）號: CN112735397B
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 谷悅;楊嵩;王莎
• 申請（專利權）人: 北京世紀好未來教育科技有限公司
• 主分類號: G10L15/20
• 分類號: G10L15/20;G10L21/0208
• 代理公司: 上海知錦知識產權代理事務所(特殊普通合伙) 31327
• 代理人: 王立娜

1.一種語音特征處理方法，其特征在于，包括：

從帶噪語音的語音特征中去除噪音的語音特征，得到純凈語音特征估計；

對所述純凈語音特征估計進行編碼處理，得到第一語音特征編碼信息，以及對所述帶噪語音的語音特征進行編碼處理，得到第二語音特征編碼信息；

根據所述第一語音特征編碼信息以及所述第二語音特征編碼信息，得到用于解碼的目標語音特征編碼信息；

其中，所述根據所述第一語音特征編碼信息以及所述第二語音特征編碼信息，得到用于解碼的目標語音特征編碼信息包括：

基于神經網絡確定混合系數，所述混合系數用于表示第一語音特征編碼信息和第二語音特征編碼信息的相互混合程度；

根據所述混合系數，將第一語音特征編碼信息與第二語音特征編碼信息進行混合，得到所述目標語音特征編碼信息。

2.根據權利要求1所述的語音特征處理方法，其特征在于，所述確定混合系數包括：

根據所述第一語音特征編碼信息與第二語音特征編碼信息，確定所述混合系數。

3.根據權利要求2所述的語音特征處理方法，其特征在于，所述根據所述第一語音特征編碼信息與第二語音特征編碼信息，確定所述第一語音特征編碼信息與第二語音特征編碼信息相互混合程度的混合系數包括：

將所述第一語音特征編碼信息和第二語音特征編碼信息輸入神經網絡，得到所述神經網絡輸出的所述混合系數；其中，所述神經網絡以輸出結果與混合系數標簽的誤差最小化為訓練目標而訓練得到，所述混合系數標簽為輸入所述神經網絡的用于訓練的第一語音特征編碼信息樣本和第二語音特征編碼信息樣本預先標記的混合系數。

4.根據權利要求3所述的語音特征處理方法，其特征在于，所述混合系數為0至1的數值范圍。

5.根據權利要求1所述的語音特征處理方法，其特征在于，所述根據所述混合系數，將第一語音特征編碼信息與第二語音特征編碼信息進行混合，得到所述目標語音特征編碼信息包括：

以混合系數為權重，對第一語音特征編碼信息進行加權處理，得到第一語音特征編碼信息對應的加權處理結果，及，以設定值與混合系數的差值為權重，對第二語音特征編碼信息進行加權處理，得到第二語音特征編碼信息對應的加權處理結果；

將第一語音特征編碼信息和第二語音特征編碼信息對應的加權處理結果相加，得到所述目標語音特征編碼信息。

6.根據權利要求1所述的語音特征處理方法，其特征在于，所述從帶噪語音的語音特征中去除噪音的語音特征，得到純凈語音特征估計包括：

將帶噪語音的語音特征輸入語音增強模型，以使所述語音增強模型對帶噪語音的語音特征進行語音增強處理，得到所述純凈語音特征估計。

7.根據權利要求6所述的語音特征處理方法，其特征在于，所述語音增強模型以輸出的帶噪語音樣本的純凈語音特征估計，與帶噪語音樣本的實際純凈語音特征的誤差最小化為訓練目標而訓練得到。

8.根據權利要求1所述的語音特征處理方法，其特征在于，還包括：

根據所述目標語音特征編碼信息，預測當前所有語音建模單元的后驗概率，得出聲學模型的輸出結果。

9.根據權利要求8所述的語音特征處理方法，其特征在于，所述根據所述目標語音特征編碼信息，預測當前所有語音建模單元的后驗概率，得出聲學模型的輸出結果包括：

將所述目標語音特征編碼信息輸入聲學模型的解碼器，以得到所述解碼器預測的當前所有語音建模單元的后驗概率，所述后驗概率作為聲學模型的輸出結果。

10.根據權利要求9所述的語音特征處理方法，其特征在于，所述解碼器以輸出的帶噪語音樣本的各句子部分分別屬于各語音建模單元的概率，趨近于真實概率為訓練目標而訓練得到。