[發(fā)明專利]語音降噪方法、裝置、設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202210413193.8
• 申請日: 2022-04-19
• 公開（公告）號: CN114822578A
• 公開（公告）日: 2022-07-29
• 發(fā)明（設計）人: 盧志強
• 申請（專利權）人: 咪咕文化科技有限公司;中國移動通信集團有限公司
• 主分類號: G10L21/0216
• 分類號: G10L21/0216;G10L21/0232;G10L21/0224;G10L25/27
• 代理公司: 深圳市世紀恒程知識產(chǎn)權代理事務所 44287
• 代理人: 劉瑞花

1.一種語音降噪方法，其特征在于，所述語音降噪方法包括：

采集音頻流，并識別所述音頻流對應的場景類型；

根據(jù)所述場景類型選取預訓練的目標語音降噪模型；

采用所述目標語音降噪模型對所述音頻流對應的各個采樣點依次進行頻域降噪處理以及時域降噪處理，得到所述各個采樣點的干凈時域信號；以及，

將所述各個采樣點的干凈時域信號進行重疊相加，得到降噪后的所述音頻流。

2.如權利要求1所述的方法，其特征在于，所述目標語音降噪模型包括短時傅里葉變換層、第一信號降噪層、短時傅里葉逆變換層、第一卷積層、第二信號降噪層、第二卷積層和信號重建層，所述短時傅里葉變換層、所述第一信號降噪層、所述短時傅里葉逆變換層、所述第一卷積層、所述第二信號降噪層、所述第二卷積層和所述信號重建層依次連接。

3.如權利要求1或2所述的方法，其特征在于，所述識別所述音頻流對應的場景類型的步驟之后，還包括：

根據(jù)所述場景類型確定所述目標語音降噪模型的降噪?yún)?shù)，所述降噪?yún)?shù)用于調節(jié)所述目標語音降噪模型的降噪效果。

4.如權利要求1或2所述的方法，其特征在于，所述采用所述目標語音降噪模型對所述音頻流對應的各個采樣點依次進行頻域降噪處理以及時域降噪處理，得到所述各個采樣點的干凈時域信號的步驟包括：

對所述各個采樣點進行短時傅里葉變換，得到所述各個采樣點的頻域信號；

對所述各個采樣點的頻域信號進行降噪處理；

對降噪處理后的各個所述頻域信號進行短時傅里葉逆變換，得到所述各個采樣點的第一時域信號；

對所述各個采樣點的第一時域信號的第一時域特征進行降維，得到具有第二時域特征的各個所述第一時域信號；

對具有第二時域特征的各個所述第一時域信號進行降噪，得到所述各個采樣點的第二時域信號；

根據(jù)所述各個采樣點的第二時域信號確定所述各個采樣點的干凈時域信號。

5.如權利要求1或2所述的方法，其特征在于，所述將所述各個采樣點的干凈時域信號進行重疊相加，得到降噪后的所述音頻流的步驟包括：

對所述各個采樣點的干凈時域信號的第三時域特征進行升維，得到具有第四時域特征的各個所述干凈時域信號；

對具有第四時域特征的各個所述干凈時域信號進行重疊相加，得到降噪后的所述音頻流。

6.如權利要求1所述的方法，其特征在于，所述識別所述音頻流對應的場景類型的步驟包括：

采用預先訓練的聲學場景識別模型識別所述音頻流，得到所述音頻流對應的場景類型。

7.如權利要求6所述的方法，其特征在于，所述聲學場景識別模型包括卷積層、池化層、全連接層和歸一化指數(shù)函數(shù)層，卷積層、池化層、全連接層和歸一化指數(shù)函數(shù)層依次連接，所述采用預先訓練的聲學場景識別模型識別所述音頻流，得到所述音頻流對應的場景類型的步驟包括：

提取所述音頻流的梅爾頻譜特征；

采用所述卷積層、所述池化層、所述全連接層和所述歸一化指數(shù)函數(shù)層對所述梅爾頻譜特征進行識別，得到多個預設場景類型和各個所述預設場景類型對應的概率；

將最大概率對應的預設場景類型作為所述場景類型。

8.一種語音降噪裝置，其特征在于，所述語音降噪裝置包括：

類型獲取模塊，用于采集音頻流，并識別所述音頻流對應的場景類型；

模型選擇模塊，用于根據(jù)所述場景類型選取預訓練的目標語音降噪模型；

語音降噪模塊，用于采用所述目標語音降噪模型對所述音頻流對應的各個采樣點依次進行頻域降噪處理以及時域降噪處理，得到所述各個采樣點的干凈時域信號；

語音重建模塊，用于將所述各個采樣點的干凈時域信號進行重疊相加，得到降噪后的所述音頻流。

9.一種終端設備，其特征在于，所述終端設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的語音降噪程序，所述語音降噪程序被所述處理器執(zhí)行時實現(xiàn)如權利要求1-7中任一項所述的語音降噪方法的步驟。

10.一種存儲介質，其特征在于，其上存儲有語音降噪程序，所述語音降噪程序被處理器執(zhí)行時實現(xiàn)權利要求1-7中任一項所述的語音降噪方法的步驟。