[發明專利]音質控制方法、裝置、設備及存儲介質

在審

• 申請號: 202210511637.1
• 申請日: 2022-05-10
• 公開（公告）號: CN114974279A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 盛劍鋒;周駿華;程寶平
• 申請（專利權）人: 中移（杭州）信息技術有限公司;中國移動通信集團有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L25/30;G10L25/18
• 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

1.一種音質控制方法，其特征在于，所述音質控制方法包括以下步驟：

基于實時語音降噪模型，對音頻數據進行降噪處理，所述實時語音降噪模型用于根據降噪參數對所述音頻數據進行降噪處理；

對降噪處理后的音頻數據進行雙層自動增益控制。

2.如權利要求1所述的音質控制方法，其特征在于，所述基于實時語音降噪模型，對音頻數據進行降噪處理的步驟，包括：

對音頻數據進行噪聲場景判定，確定所述音頻數據對應的噪聲場景；

根據所述噪聲場景獲取與所述噪聲場景匹配的降噪參數；

基于所述降噪參數的實時語音降噪模型，對所述音頻數據進行降噪處理。

3.如權利要求1或2所述的音質控制方法，其特征在于，所述基于實時語音降噪模型，對音頻數據進行降噪處理的步驟之前，還包括：

獲取預設噪聲場景對應的音頻訓練數據；

提取所述音頻訓練數據的時域特征值和目標值；

基于語音活動檢測、噪聲譜估計和譜減構建的深度學習降噪模型，對所述時域特征值和所述目標值進行訓練，得到降噪參數；

使用所述降噪參數對實時語音降噪模型的參數進行更新。

4.如權利要求2所述的音質控制方法，其特征在于，所述對音頻數據進行噪聲場景判定，確定所述音頻數據對應的噪聲場景的步驟，包括：

對音頻數據對應的噪聲數據進行計算，根據計算得到的結果對噪聲的頻譜特性進行估計，得到噪聲譜估計值；

將所述噪聲譜估計值與噪聲場景各自對應的標準噪聲譜估計值進行比對，將比對結果最小值對應的噪聲場景確定為所述音頻數據對應的噪聲場景。

5.如權利要求1所述的音質控制方法，其特征在于，所述對降噪處理后的音頻數據進行雙層自動增益控制的步驟，包括：

對降噪處理后的音頻數據進行分幀處理，得到音頻幀；

若所述音頻幀為語音幀，則進行數字自動增益控制，獲取數字自動增益值；

若所述數字自動增益值大于或等于增益閾值，則進行模擬自動增益控制，獲取模擬自動增益步長，并將所述模擬自動增益步長反饋至音頻數據采集設備；

若所述數字自動增益值小于增益閾值，則輸出所述語音幀。

6.如權利要求5所述的音質控制方法，其特征在于，所述對降噪處理后的音頻數據進行雙層自動增益控制的步驟，還包括：

若所述音頻幀為噪聲幀，則判斷所述噪聲幀中的噪聲場景是否為預設噪聲場景；

若所述噪聲幀中的噪聲場景是預設噪聲場景，則產生并輸出舒適噪聲；

若所述噪聲幀中的噪聲場景不是預設噪聲場景，則對所述音頻幀進行降噪處理，產生并輸出舒適噪聲。

7.如權利要求5所述的音質控制方法，其特征在于，所述對降噪處理后的音頻數據進行分幀處理，得到音頻幀的步驟之后，還包括：

基于語音活動檢測算法，確定所述音頻幀的語音活動檢測值；

基于所述語音活動檢測值，確定所述音頻幀的類型，所述類型包括語音幀和噪聲幀。

8.一種音質控制裝置，其特征在于，所述音質控制裝置包括：

實時語音降噪模塊，用于基于實時語音降噪模型，對音頻數據進行降噪處理，所述實時語音降噪模型用于根據降噪參數對所述音頻數據進行降噪處理；

音量自動增益模塊，用于對降噪處理后的音頻數據進行雙層自動增益控制。

9.一種音質控制設備，其特征在于，所述設備包括：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音質控制程序，所述音質控制程序程序配置為實現如權利要求1至7中任一項所述的音質控制方法的步驟。

10.一種存儲介質，其特征在于，所述存儲介質上存儲有音質控制程序，所述音質控制程序被處理器執行時實現如權利要求1至7任一項所述的音質控制方法的步驟。