[發明專利]車內含噪語音數據生成方法、裝置以及設備

在審

• 申請號: 202110694011.4
• 申請日: 2021-06-22
• 公開（公告）號: CN113409798A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 朱培培;鄧引引;于超敏
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G10L19/00
• 分類號: G10L19/00
• 代理公司: 北京維澳專利代理有限公司 11252
• 代理人: 常小溪

1.一種車內含噪語音數據生成方法，其特征在于，包括：

預先創建語音素材庫，所述語音素材庫包含純人聲音頻數據以及實車純噪音音頻數據；

接收并解析用戶輸入的數據需求；

根據解析后的數據需求，從所述語音素材庫中分別匹配出與用戶需求對應的純人聲音頻數據以及實車純噪音音頻數據；

將匹配到的純人聲音頻數據以及實車純噪音音頻數據進行混音處理，生成車內含噪語音數據。

2.根據權利要求1所述的車內含噪語音數據生成方法，其特征在于，所述預先創建語音素材庫包括：

預先錄制不同的純人聲聲源素材，并對各純人聲聲源素材標注出人聲聲源信息，得到純人聲音頻數據；

預先錄制在不同場景下的實車純噪音素材，并對各實車純噪音素材標注出場景噪聲信息，得到實車純噪音音頻數據。

3.根據權利要求2所述的車內含噪語音數據生成方法，其特征在于，所述解析用戶輸入的數據需求包括：

根據用戶輸入的數據需求、標注人聲聲源信息的純人聲音頻數據、標注場景噪聲信息的實車純噪音音頻數據以及預先訓練的基于語義分析的預測模型，得到解析后的數據需求。

4.根據權利要求2所述的車內含噪語音數據生成方法，其特征在于，所述解析后的數據需求包括如下需求信息：

主要說話人的人聲特征與實車噪音場景信息，和/或人聲聲源能量與實車噪音能量的比例關系。

5.根據權利要求4所述的車內含噪語音數據生成方法，其特征在于，所述根據解析后的數據需求，從所述語音素材庫中分別匹配出對應的純人聲音頻數據以及實車純噪音音頻數據包括：

基于所述需求信息以及標注出的所述人聲聲源信息，從所述語音素材庫中匹配出最優的純人聲音頻數據；

基于所述需求信息以及標注出的所述場景噪聲信息，從所述語音素材庫中匹配出最優的實車純噪音音頻數據。

6.根據權利要求1～5任一項所述的車內含噪語音數據生成方法，其特征在于，所述方法還包括：

從匹配出的純人聲音頻數據中提取當前人聲的語音基元；

利用所述語音基元以及預設的若干個車用交互文本，合成出批量的純人聲音頻數據；

將合成的純人聲音頻數據逐一與匹配出的實車純噪音音頻數據進行混音處理，得到批量的車內含噪語音數據。

7.一種車內含噪語音數據生成裝置，其特征在于，包括：

語音素材庫創建模塊，用于預先創建語音素材庫，所述語音素材庫包含純人聲音頻數據以及實車純噪音音頻數據；

數據需求獲取模塊，用于接收并解析用戶輸入的數據需求；

需求匹配模塊，用于根據解析后的數據需求，從所述語音素材庫中分別匹配出與用戶需求對應的純人聲音頻數據以及實車純噪音音頻數據；

目標數據生成模塊，用于將匹配到的純人聲音頻數據以及實車純噪音音頻數據進行混音處理，生成車內含噪語音數據。

8.根據權利要求7所述的車內含噪語音數據生成裝置，其特征在于，所述裝置還包括：

語音基元提取模塊，用于從匹配出的純人聲音頻數據中提取當前人聲的語音基元；

語音合成模塊，用于利用所述語音基元以及預設的若干個車用交互文本，合成出批量的純人聲音頻數據；

目標數據擴增模塊，用于將合成的純人聲音頻數據逐一與匹配出的實車純噪音音頻數據進行混音處理，得到批量的車內含噪語音數據。

9.一種電子設備，其特征在于，包括：

一個或多個處理器、存儲器以及一個或多個計算機程序，其中所述一個或多個計算機程序被存儲在所述存儲器中，所述一個或多個計算機程序包括指令，當所述指令被所述設備執行時，使得所述設備執行權利要求1～6任一項所述的車內含噪語音數據生成方法。

10.一種計算機數據存儲介質，其特征在于，所述計算機數據存儲介質中存儲有計算機程序，當所述計算機程序在計算機上運行時，使得計算機執行權利要求1～6任一項所述的車內含噪語音數據生成方法。