一种语音处理方法、装置和电子设备制造方法及图纸

本发明专利技术实施例提供了一种语音处理方法、装置和电子设备，其中，所述方法包括：获取待处理语音数据对应的待处理频谱信息；采用语音增强模型确定所述待处理频谱信息对应的目标比率掩模，以及依据所述目标比率掩模和待处理频谱信息确定目标频谱信息并输出；其中，所述语音增强模型依据所述目标频谱信息进行反向训练；相对于现有技术语音保真和语音质量不能两全的情况而言，本发明专利技术实施例可以在语音保真的同时又能尽量提高语音质量，从而提高了语音增强效果。

【技术实现步骤摘要】
一种语音处理方法、装置和电子设备
本专利技术涉及语音处理
，特别是涉及一种语音处理方法、装置和电子设备。
技术介绍
随着通信技术的快速发展，诸如手机、平板电脑等终端越来越普及，给人们的生活、学习、工作带来了极大的便利。这些终端可以通过麦克风收集语音信号，使用语音增强技术对收集到的语音信号进行处理，以降低噪声干扰的影响。其中，语音增强是指当语音信号被各种各样的噪声干扰、甚至淹没后，从噪声背景中提取有用的语音信号，抑制、降低噪声干扰的技术。近年来，随着深度神经网络(DeepNeuralNetwork，DNN)的快速发展，深度神经网络也被应用至语音增强技术中；目前，基于深度神经网络的语音增强方法可以包括两类，其中一类能够把噪声去除的比较干净，使得语音增强后的语音听感好，但是在将噪声去除的比较干净的同时，也在一定程度上破坏了有用的语音信号，造成了语音失真较大，从而影响语音识别率。另一类语音增强的方法去除噪声的能力小于前一类语音增强的方法，对有用的语音信号破坏较小，语音失真较小，但是语音识别率高一些。
技术实现思路
本专利技术实施例提供一种语音处理方法，以提高语音增强效果。相应的，本专利技术实施例还提供了一种语音处理装置和一种电子设备，用以保证上述方法的实现及应用。为了解决上述问题，本专利技术实施例公开了一种语音处理方法，具体包括：获取待处理语音数据对应的待处理频谱信息；采用语音增强模型确定所述待处理频谱信息对应的目标比率掩模，以及依据所述目标比率掩模和待处理频谱信息确定目标频谱信息并输出；其中，所述语音增强模型依据所述目标频谱信息进行反向训练。可选地，所述语音增强模型包括前级网络和后级网络，所述采用语音增强模型确定所述待处理频谱信息对应的目标比率掩模，包括：将所述待处理频谱信息输入至所述语音增强模型的前级网络，由所述前级网络对所述待处理频谱信息进行处理并输出目标比率掩模；所述依据所述目标比率掩模和待处理频谱信息确定目标频谱信息，包括：将所述待处理频谱信息和目标比率掩模输入至所述语音增强模型的后级网络，由所述后级网络对所述待处理频谱信息和目标比率掩模进行处理并输出目标频谱信息。可选地，所述待处理频谱信息和目标比率掩模均为矩阵，所述由所述后级网络对所述待处理频谱信息和目标比率掩模进行处理并输出目标频谱信息，包括：由所述后级网络将所述待处理频谱信息和目标比率掩模进行点乘，输出目标频谱信息。可选地，所述的方法还包括训练所述语音增强模型的步骤：收集多组训练数据，一组所述训练数据包括带噪声的语音数据对应的频谱信息和所述带噪声的语音数据中语音部分对应的参考频谱信息；针对一组训练数据，将所述组训练数据中带噪声的语音数据对应的频谱信息输入至所述语音增强模型中，得到目标频谱信息；将所述组训练数据中的参考频谱信息与所述目标频谱信息进行比对，对所述语音增强模型进行反向训练。可选地，所述将所述组训练数据中的参考频谱信息与所述目标频谱信息进行比对，对所述语音增强模型进行反向训练，包括：计算所述组训练数据中的参考频谱信息与所述目标频谱信息的均方误差；通过最小化所述均方误差，调整所述语音增强模型的权值。可选地，所述的方法还包括：对所述目标频谱信息进行时域变换，得到对应的目标语音数据。本专利技术实施例还公开了一种语音处理装置，具体包括：信息获取模块，用于获取待处理语音数据对应的待处理频谱信息；语音增强模块，用于采用语音增强模型确定所述待处理频谱信息对应的目标比率掩模，以及依据所述目标比率掩模和待处理频谱信息确定目标频谱信息并输出；其中，所述语音增强模型依据所述目标频谱信息进行反向训练。可选地，所述语音增强模型包括前级网络和后级网络，所述语音增强模块包括：比率掩模确定子模块，用于将所述待处理频谱信息输入至所述语音增强模型的前级网络，由所述前级网络对所述待处理频谱信息进行处理并输出目标比率掩模；频谱信息确定子模块，用于将所述待处理频谱信息和目标比率掩模输入至所述语音增强模型的后级网络，由所述后级网络对所述待处理频谱信息和目标比率掩模进行处理并输出目标频谱信息。可选地，所述待处理频谱信息和目标比率掩模均为矩阵，所述频谱信息确定子模块，用于由所述后级网络将所述待处理频谱信息和目标比率掩模进行点乘，输出目标频谱信息。可选地，所述的装置还包括训练模块，所述训练模块包括：数据收集子模块，用于收集多组训练数据，一组所述训练数据包括带噪声的语音数据对应的频谱信息和所述带噪声的语音数据中语音部分对应的参考频谱信息；正向训练子模块，用于针对一组训练数据，将所述组训练数据中带噪声的语音数据对应的频谱信息输入至所述语音增强模型中，得到目标频谱信息；反向训练子模块，用于将所述组训练数据中的参考频谱信息与所述目标频谱信息进行比对，对所述语音增强模型进行反向训练。可选地，所述反向训练子模块，用于计算所述组训练数据中的参考频谱信息与所述目标频谱信息的均方误差；通过最小化所述均方误差，调整所述语音增强模型的权值。可选地，所述的装置还包括：语音数据确定模块，用于对所述目标频谱信息进行时域变换，得到对应的目标语音数据。本专利技术实施例还公开了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如本专利技术实施例任一所述的语音处理方法。本专利技术实施例还公开了一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：获取待处理语音数据对应的待处理频谱信息；采用语音增强模型确定所述待处理频谱信息对应的目标比率掩模，以及依据所述目标比率掩模和待处理频谱信息确定目标频谱信息并输出；其中，所述语音增强模型依据所述目标频谱信息进行反向训练。可选地，所述语音增强模型包括前级网络和后级网络，所述采用语音增强模型确定所述待处理频谱信息对应的目标比率掩模，包括：将所述待处理频谱信息输入至所述语音增强模型的前级网络，由所述前级网络对所述待处理频谱信息进行处理并输出目标比率掩模；所述依据所述目标比率掩模和待处理频谱信息确定目标频谱信息，包括：将所述待处理频谱信息和目标比率掩模输入至所述语音增强模型的后级网络，由所述后级网络对所述待处理频谱信息和目标比率掩模进行处理并输出目标频谱信息。可选地，所述待处理频谱信息和目标比率掩模均为矩阵，所述由所述后级网络对所述待处理频谱信息和目标比率掩模进行处理并输出目标频谱信息，包括：由所述后级网络将所述待处理频谱信息和目标比率掩模进行点乘，输出目标频谱信息。可选地，还包含用于进行以下训练所述语音增强模型的指令：收集多组训练数据，一组所述训练数据包括带噪声的语音数据对应的频谱信息和所述带噪声的语音数据中语音部分对应的参考频谱信息；针对一组训练数据，将所述组训练数据中带噪声的语音数据对应的频谱信息输入至所述语音增强模型中，得到目标频谱信息；将所述组训练数据中的参考频谱信息与所述目标频谱信息进行比对，对所述语音增强模型进行本文档来自技高网...

【技术保护点】
1.一种语音处理方法，其特征在于，包括：/n获取待处理语音数据对应的待处理频谱信息；/n采用语音增强模型确定所述待处理频谱信息对应的目标比率掩模，以及依据所述目标比率掩模和待处理频谱信息确定目标频谱信息并输出；/n其中，所述语音增强模型依据所述目标频谱信息进行反向训练。/n

【技术特征摘要】
1.一种语音处理方法，其特征在于，包括：
获取待处理语音数据对应的待处理频谱信息；
采用语音增强模型确定所述待处理频谱信息对应的目标比率掩模，以及依据所述目标比率掩模和待处理频谱信息确定目标频谱信息并输出；
其中，所述语音增强模型依据所述目标频谱信息进行反向训练。


2.根据权利要求1所述的方法，其特征在于，所述语音增强模型包括前级网络和后级网络，
所述采用语音增强模型确定所述待处理频谱信息对应的目标比率掩模，包括：
将所述待处理频谱信息输入至所述语音增强模型的前级网络，由所述前级网络对所述待处理频谱信息进行处理并输出目标比率掩模；
所述依据所述目标比率掩模和待处理频谱信息确定目标频谱信息，包括：
将所述待处理频谱信息和目标比率掩模输入至所述语音增强模型的后级网络，由所述后级网络对所述待处理频谱信息和目标比率掩模进行处理并输出目标频谱信息。


3.根据权利要求2所述的方法，其特征在于，所述待处理频谱信息和目标比率掩模均为矩阵，
所述由所述后级网络对所述待处理频谱信息和目标比率掩模进行处理并输出目标频谱信息，包括：
由所述后级网络将所述待处理频谱信息和目标比率掩模进行点乘，输出目标频谱信息。


4.根据权利要求1所述的方法，其特征在于，所述的方法还包括训练所述语音增强模型的步骤：
收集多组训练数据，一组所述训练数据包括带噪声的语音数据对应的频谱信息和所述带噪声的语音数据中语音部分对应的参考频谱信息；
针对一组训练数据，将所述组训练数据中带噪声的语音数据对应的频谱信息输入至所述语音增强模型中，得到目标频谱信息；
将所述组训练数据中的参考频谱信息与所述目标频谱信息进行比对，对所述语音增强模型进行反向训练。


5.根据权利要求4所述的方法，其特征在于，所述将所述组训练数据中的参考频谱信息与所述目标频谱信息进行比对，对所述语音增强模型进行反向训练...

【专利技术属性】
技术研发人员：文仕学，潘逸倩，
申请(专利权)人：北京搜狗科技发展有限公司，搜狗杭州智能科技有限公司，
类型：发明
国别省市：北京;11