音频处理方法、电子设备和存储介质技术

本发明专利技术公开一种音频处理方法、电子设备和存储介质。在该方法中，获取初始语音音频；识别所述初始语音音频所对应的连续音素序列；基于所述连续音素序列，合成目标语音。由此，电子设备在收到初始语音音频时，例如带噪语音音频，通过识别初始语音音频所对应的连续音素序列并进行语音合成，相比于传统的采用噪音抑制算法进行抑制，本方案直接合成纯净的语音，从根源上解决噪声放大的问题，保障了目标语音具有高品质的降噪性能。高品质的降噪性能。高品质的降噪性能。

【技术实现步骤摘要】
音频处理方法、电子设备和存储介质


[0001]本专利技术属于互联网
，尤其涉及一种音频处理方法、电子设备和存储介质。

技术介绍

[0002]随着老龄化社会的加剧，听力障碍人数不断增长，听力障碍问题引起了人们的密切关注，大多数患者需要辅助听力设备进行听力补偿。
[0003]目前，一般使用传统麦克风阵列技术来提升或增强语音信号质量。但是，单纯基于麦克风阵列波束算法只能在一定程度上减少噪声，而在噪杂环境下采集中远距离的声音时，容易受到外界噪声的干扰，语音信号质量不高。此外，听力增强后端音频放大模块会对带噪信号进一步放大，导致语音放大的同时，噪声也同步被放大。尤其是，在噪杂的公共场所，增强后的语音信号可懂度低，导致用户体验很差。
[0004]针对上述问题，目前业界暂时并未提供较佳的解决方案。

技术实现思路

[0005]本专利技术实施例提供一种音频处理方法、电子设备和存储介质，用于至少解决上述技术问题之一。
[0006]第一方面，本专利技术实施例提供一种音频处理方法，包括：获取初始语音音频；识别所述初始语音音频所对应的连续音素序列；基于所述连续音素序列，合成目标语音。
[0007]第二方面，本专利技术实施例提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方法的步骤。
[0008]第三方面，本专利技术实施例提供一种存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本专利技术上述方法的步骤。
[0009]第四方面，本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述方法的步骤。
[0010]本专利技术实施例的有益效果在于：
[0011]电子设备在收到初始语音音频时，例如带噪语音音频，通过识别初始语音音频所对应的连续音素序列并进行语音合成，相比于传统的采用噪音抑制算法进行抑制的过程，本方案直接合成纯净的语音，从根源上解决噪声放大的问题，保障了目标语音具有高品质的降噪性能。
附图说明
[0012]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用
的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0013]图1示出了根据本专利技术实施例的语音处理方法的一示例的流程图；
[0014]图2示出了根据本专利技术实施例的语音处理系统的一示例的结构框图；
[0015]图3示出了根据本专利技术实施例的客户端利用麦克风阵列采集初始语音音频的一示例的示意图；
[0016]图4示出了根据本专利技术实施例的低延迟语音合成模块的一示例的结构框图；
[0017]图5示出了根据本专利技术实施例的穿戴式设备的助听系统的硬件架构图；
[0018]图6示出了根据本专利技术实施例的音频处理方法的一示例的流程图；
[0019]图7为本专利技术的电子设备的一实施例的结构示意图。
具体实施方式
[0020]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0021]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0022]本专利技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本专利技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0023]在本专利技术中，“模块”、“系统”等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。
[0024]最后，还需要说明的是，在本文中，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0025]图1示出了根据本专利技术实施例的语音处理方法的一示例的流程图。需说明的是，本专利技术的方法实施例的执行主体可以是各种电子设备，例如具有音素识别和语音合成功能的各类移动终端或云端服务器，且都属于本专利技术的实施范围内。
[0026]如图1所示的流程100，在步骤110中，获取初始语音音频。这里，初始语音音频可以是带噪语音音频，例如通过客户端，对用户在噪声环境下的说话声进行采集所生成的音频。
[0027]在步骤120中，识别初始语音音频所对应的连续音素序列。这里，连续音素序列可以是多个识别音素在连续时间点连接所形成的。
[0028]在步骤130中，基于连续音素序列，合成目标语音。
[0029]具体地，关于上述步骤120和步骤130的实施细节，可以分别使用相应的机器学习模型(例如深度神经网络DNN或高斯混合模型GMM)来实现的，例如通过音素神经网络来识别音素序列，通过语音合成神经网络来合成纯净的语音，能从根本上实现噪音抑制的效果。
[0030]关于上述步骤120的实施细节，可以基于音素状态分类模型，提取初始语音音频中分别对应各个音频时间点的音素状态。进而，基于连续的音频时间点的音素状态，确定连续音素序列。这里，音素状态分类模型是预先训练收敛的，其训练数据样本集可以是海量的含音素状态标签的语音音频。
[0031]关于上述步骤130的实施细节，可以将连续音素序列提供给语音合成模型，以由语音合成模型确定相应的合成语音音频本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种音频处理方法，包括：获取初始语音音频；识别所述初始语音音频所对应的连续音素序列；基于所述连续音素序列，合成目标语音。2.根据权利要求1所述的方法，其中，所述获取初始音频，包括：基于设置有麦克风阵列的客户端，获取初始语音音频；所述麦克风阵列中的各个麦克风组成线阵列以在端射方向拾音。3.根据权利要求2所述的方法，其中，所述客户端中还设置有音频信号增强模块，用于在对所述麦克风阵列所采集的音频进行波束成形。4.根据权利要求2所述的方法，其中，在根据所述连续音素序列，合成目标语音之后，所述方法还包括：基于所述客户端中的扬声器模块，播报所述目标语音。5.根据权利要求2所述的方法，其中，所述麦克风阵列包括多个模拟麦克风，所述客户端中还设置有相应的多通道音频模数转换器，用于将所述多个模拟麦克风所采集的模拟音频信号同步转换成数字IIS信号，以确定初始语音音频。6.根据权利要求2
‑
5中任一项所述的方法，其中，所述客户端为穿戴式设备。7.根据权...

【专利技术属性】
技术研发人员：张华兵，
申请(专利权)人：思必驰科技股份有限公司，
类型：发明
国别省市：