[發明專利]基于生成對抗網絡的語音處理方法及系統

有效

• 申請號: 202110341574.5
• 申請日: 2021-03-30
• 公開（公告）號: CN113096673B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 李曄;馮濤;張鵬;李姝;汪付強
• 申請（專利權）人: 山東省計算中心（國家超級計算濟南中心）
• 主分類號: G10L19/16
• 分類號: G10L19/16;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張慶騫

本發明屬于語音處理領域，提供了一種基于生成對抗網絡的語音處理方法及系統。其中，該方法包括獲取源語音，并輸入至編碼器對源語音進行編碼；將編碼后的語音信號輸入至生成對抗網絡模型，最后輸出與源語音相匹配的恢復的語音；其中，生成對抗網絡模型包括生成器和鑒別器，訓練集由編碼前的源語音和編碼后質量下降的語音構成；生成器用于恢復編碼后質量下降的語音；鑒別器用于比對恢復后的語音與編碼前的源語音以區分真信號與假信號，再由鑒別器將區分結果反饋給生成器，以指導生成器學習源語音的真實分布的輸出。解決了語音編碼器生成的語音質量較低的問題，并且具有更高的泛化性，對多種ITU標準下的編碼器生成的編解碼后的語音都有效。

技術領域

本發明屬于語音處理領域，尤其涉及一種基于生成對抗網絡的語音處理方法及系統。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

語音編解碼技術對通訊、軍事等行業有著重要的意義，它可以將大量的語音信息通過編碼技術進行壓縮，從而進行傳輸，再通過解碼進行語音的復原，從而降低語音信號的傳輸帶寬，提高系統容量。但是，隨著語音編碼速率的下降，合成語音的質量會有一定程度的降低，影響人的主觀聽覺感受。

目前語音編碼算法都趨向于低速率編碼，然而，更低的速率代表著更高的壓縮率，壓縮率更高意味著解碼時難度就越大，所以會導致解碼后的語音質量下降。目前，發明人發現，已有的改善語音編碼器生成語音質量的方法大都為對語音編碼器本身算法進行優化，但是因為優化語音編碼器算法難度較高，并不能很好的兼顧低傳輸速率與解碼后語音的質量。

發明內容

為了解決上述背景技術中存在的技術問題，本發明提供一種基于生成對抗網絡的語音處理方法及系統，其通過生成對抗性網絡(Generative Adversarial Networks)模型對編碼器編解碼后的低質量語音進行修復，修復后的語音與未修復的語音相比具有更高的質量。

為了實現上述目的，本發明采用如下技術方案：

本發明的第一個方面提供一種基于生成對抗網絡的語音處理方法。

一種基于生成對抗網絡的語音處理方法，其包括：

獲取源語音，并輸入至編碼器對源語音進行編碼；

將編碼后的語音信號輸入至生成對抗網絡模型，最后輸出與源語音相匹配的恢復的語音；

其中，生成對抗網絡模型包括生成器和鑒別器，訓練集由編碼前的源語音和編碼后質量下降的語音構成；生成器用于恢復編碼后質量下降的語音；鑒別器用于比對恢復后的語音與編碼前的源語音以區分真信號與假信號，再由鑒別器將區分結果反饋給生成器，以指導生成器學習源語音的真實分布的輸出。

本發明的第二個方面提供一種基于生成對抗網絡的語音處理系統。

一種基于生成對抗網絡的語音處理系統，其包括：

源語音編碼模塊，其用于獲取源語音，并輸入至編碼器對源語音進行編碼；

語音恢復模塊，其用于將編碼后的語音信號輸入至生成對抗網絡模型，最后輸出與源語音相匹配的恢復的語音；

其中，生成對抗網絡模型包括生成器和鑒別器，訓練集由編碼前的源語音和編碼后質量下降的語音構成；生成器用于恢復編碼后質量下降的語音；鑒別器用于比對恢復后的語音與編碼前的源語音以區分真信號與假信號，再由鑒別器將區分結果反饋給生成器，以指導生成器學習源語音的真實分布的輸出。

本發明的第三個方面提供一種計算機可讀存儲介質。

一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如上述所述的基于生成對抗網絡的語音處理方法中的步驟。

本發明的第四個方面提供一種計算機設備。