[發明專利]語音降噪方法、裝置、設備及存儲介質

在審

• 申請號: 202210413193.8
• 申請日: 2022-04-19
• 公開（公告）號: CN114822578A
• 公開（公告）日: 2022-07-29
• 發明（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權代理事務所 44287
• 代理人: 劉瑞花

本發明公開了語音降噪方法、裝置、設備及存儲介質，該方法包括：采集音頻流，并識別音頻流對應的場景類型；根據場景類型選取預訓練的目標語音降噪模型；采用目標語音降噪模型對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，得到各個采樣點的干凈時域信號；將各個采樣點的干凈時域信號進行重疊相加，得到降噪后的音頻流。本發明實現了音頻流的實時降噪處理，降低了降噪后的音頻流的傳輸時延。

技術領域

本發明涉及音視頻技術領域，尤其涉及一種語音降噪方法、裝置、設備及存儲介質。

背景技術

語音降噪具有通過減弱背景噪音以增強有用的語音信號的作用。現有的語音降噪方法，例如基于深度學習的語音降噪方法，雖然可以對非平穩噪聲場景的音頻信號進行降噪，但實時性差，無法基于實時場合對音頻信號進行降噪處理。

發明內容

本發明實施例通過提供一種語音降噪方法、裝置、設備及存儲介質，旨在解決現有語音降噪方法實現音頻信號降噪的實時性差，無法基于實時場合對音頻信號進行降噪處理的技術問題。

本發明實施例提供了一種語音降噪方法，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。

在一實施例中，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。

在一實施例中，所述識別所述音頻流對應的場景類型的步驟之后，還包括：

根據所述場景類型確定所述目標語音降噪模型的降噪參數，所述降噪參數用于調節所述目標語音降噪模型的降噪效果。

在一實施例中，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。

在一實施例中，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。

在一實施例中，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。