一种语音分离方法、装置、电子设备和存储介质制造方法及图纸

本申请涉及计算机技术领域，尤其涉及语音处理技术领域，提供一种语音分离方法、装置、电子设备和存储介质，用以提高语音分离的准确性。其中，方法包括：获取待分离语音数据；对待分离语音数据进行编码，获得对应的编码结果，并对编码结果进行语音分离操作，获得至少一个目标声源各自对应的语音特征和相位移动特征；基于获得的至少一个相位移动特征，分别对预设的信号解码参数集进行参数重构，获得相应的目标信号解码参数集；分别采用获得的至少一个目标信号解码参数集，对相应的语音特征进行解码，获得对应的目标声源对应的重建语音信号。由于本申请通过相位移动提高中高频信号的建模能力，几乎没有额外增加参数量或复杂度，可有效提高分离性能。有效提高分离性能。有效提高分离性能。

A speech separation method, device, electronic device and storage medium

【技术实现步骤摘要】
一种语音分离方法、装置、电子设备和存储介质


[0001]本申请涉及计算机
，尤其涉及语音处理
，提供一种语音分离方法、装置、电子设备和存储介质。

技术介绍

[0002]相关的端到端语音分离系统，广泛使用编码器
‑
分离器
‑
解码器结构，其中编码器部分用于对输入音频信号(mixture waveform signal)进行变换(transform)以获得更丰富的特征，分离器接收编码器生成的特征以进行分离操作，解码器将分离器的输出重建为波形信号。
[0003]在相关技术中，编码器与解码器部分，在大多数端到端分离系统中为两个线性变换(linear transform)部分。在对编码器与解码器的网络参数进行优化时，常采用随机初始化+联合优化的方式，即在网络训练开始前随机初始化，在网络训练过程中与分离器一起联合优化。
[0004]但是，联合优化的编码器与解码参数，具有过多集中在低频信号的特性，且低频部分存在对同一幅度(magnitude)的不同相位(phase)特征进行重复建模的现象，降低了中高频信号的建模能力，以及编码器与解码器的参数利用率。

技术实现思路

[0005]本申请实施例提供一种语音分离方法、装置、电子设备和存储介质，用以提高语音分离系统的建模能力与参数利用率，进而提高语音分离的准确性。
[0006]本申请实施例提供的一种语音分离方法，包括：
[0007]获取待分离语音数据，所述待分离语音数据为包含至少一个目标声源的音频信号；
[0008]对所述待分离语音数据进行编码，获得对应的编码结果，并对所述编码结果进行语音分离操作，获得所述至少一个目标声源各自对应的语音特征和相位移动特征，每个相位移动特征包括：对相应目标声源进行相位调整的相位参考值；
[0009]基于获得的至少一个相位移动特征，分别对预设的信号解码参数集进行参数重构，获得相应的目标信号解码参数集；
[0010]分别采用获得的至少一个目标信号解码参数集，对相应的语音特征进行解码，获得对应的目标声源的重建语音信号。
[0011]本申请实施例提供的一种语音分离装置，包括：
[0012]获取单元，用于获取待分离语音数据，所述待分离语音数据为包含至少一个目标声源的音频信号；
[0013]处理单元，用于对所述待分离语音数据进行编码，获得对应的编码结果，并对所述编码结果进行语音分离操作，获得所述至少一个目标声源各自对应的语音特征和相位移动特征，每个相位移动特征包括：对相应目标声源进行相位调整的相位参考值；
[0014]调整单元，用于基于获得的至少一个相位移动特征，分别对预设的信号解码参数集进行参数重构，获得相应的目标信号解码参数集；
[0015]解码单元，用于分别采用获得的至少一个目标信号解码参数集，对相应的语音特征进行解码，获得对应的目标声源的重建语音信号。
[0016]可选的，所述待分离语音数据包括通过分帧处理得到的多个语音帧；每个目标声源的相位移动特征包括：所述目标声源的各个语音帧各自对应的相位移动矩阵；
[0017]所述调整单元具体用于：
[0018]对于每个目标声源，分别执行以下操作：
[0019]分别基于一个目标声源的各个语音帧各自对应的相位移动矩阵，对所述信号解码参数集进行参数重构，获得所述一个目标声源的各个语音帧各自对应的目标信号解码参数集。
[0020]可选的，所述调整单元具体用于：
[0021]将所述信号解码参数集，划分为多个信号解码参数子集，每个信号解码参数子集对应相位移动矩阵中的一个相位参考值；
[0022]对于一个目标声源的各个语音帧，分别执行以下操作：分别基于所述一个目标声源的一个语音帧对应的相位移动矩阵中的各个相位参考值，对相应的信号解码参数子集进行参数重构，获得相应的目标信号解码参数子集；将获得的各个目标信号解码参数子集进行拼接，得到所述一个目标声源的一个语音帧对应的目标信号解码参数集。
[0023]可选的，所述信号解码参数集为用于对信号解码器的输入特征进行线性变换的参数矩阵；所述信号解码参数集的维度包括：基于信号解码器特征维度确定的第一维度，基于所述待分离语音数据中语音帧的帧长确定的第二维度；
[0024]所述调整单元具体用于：
[0025]将所述信号解码参数集，按照所述第一维度，划分为多个信号解码参数子集，每个信号解码参数子集中的参数的数量与所述第二维度相同。
[0026]本申请实施例提供的一种电子设备，包括处理器和存储器，其中，所述存储器存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行上述任意一种语音分离方法的步骤。
[0027]本申请实施例提供一种计算机可读存储介质，其包括计算机程序，当所述计算机程序在电子设备上运行时，所述计算机程序用于使所述电子设备执行上述任意一种语音分离方法的步骤。
[0028]本申请实施例提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序存储在计算机可读存储介质中；当电子设备的处理器从计算机可读存储介质读取所述计算机程序时，所述处理器执行所述计算机程序，使得所述电子设备执行上述任意一种语音分离方法的步骤。
[0029]本申请有益效果如下：
[0030]本申请实施例提供了一种语音分离方法、装置、电子设备和存储介质。由于本申请在对待分离语音数据的编码结果进行语音分离操作时，除了可以获得所述待分离语音数据中各个目标声源各自对应的语音特征之外，还可获取各个目标声源各自对应的相位移动特征，基于相位移动特征中的相位参考值，可对预设的信号解码参数集进行参数重构，使得解
码部分可建模更广泛的相位信息；进而，采用获得的目标信号解码参数集，对相应的语音特征进行解码，获得对应的目标声源的重建语音信号。该方式下，通过相位移动可提高中高频信号的建模能力，并且，仅需要结合相位移动特征，对预设的信号解码参数集进行参数重构，几乎没有额外增加参数量或复杂度，可在基本不增加参数与计算量的基础上，有效提升端到端语音分离系统的性能，提高语音分离的准确性。
[0031]本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0032]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0033]图1为相关技术中的一种语音分离系统的示意图；
[0034]图2为本申请实施例中的一种应用场景的一个可选的示意图；
[0035]图3为本申请实施例中的一种语音分离方法的流程示意图；
[0036]图4为本申请实施例中的一种语音分离系统的示意图；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语音分离方法，其特征在于，该方法包括：获取待分离语音数据，所述待分离语音数据为包含至少一个目标声源的音频信号；对所述待分离语音数据进行编码，获得对应的编码结果，并对所述编码结果进行语音分离操作，获得所述至少一个目标声源各自对应的语音特征和相位移动特征，每个相位移动特征包括：对相应目标声源进行相位调整的相位参考值；基于获得的至少一个相位移动特征，分别对预设的信号解码参数集进行参数重构，获得相应的目标信号解码参数集；分别采用获得的至少一个目标信号解码参数集，对相应的语音特征进行解码，获得对应的目标声源的重建语音信号。2.如权利要求1所述的方法，其特征在于，所述基于获得的至少一个相位移动特征，分别对预设的信号解码参数集进行参数重构，获得相应的目标信号解码参数集，包括：对所述信号解码参数集进行傅里叶变换，获得所述信号解码参数集中的各个参数各自的初始相位；对于每个目标声源，分别执行以下操作：基于一个目标声源的相位移动特征，对所述信号解码参数集中的各个参数的初始相位进行调整，获得针对所述一个目标声源的中间信号解码参数集；对所述中间信号解码参数集进行逆傅里叶变换，获得所述目标声源对应的目标信号解码参数集。3.如权利要求2所述的方法，其特征在于，所述基于一个目标声源的相位移动特征，对所述信号解码参数集中的各个参数的初始相位进行调整，包括：根据所述一个目标声源的相位移动特征，确定与所述信号解码参数集中的各个参数对应的相位参考值；分别将所述各个参数对应的相位参考值，与对应的初始相位之和，作为对应的调整后的相位。4.如权利要求1～3任一项所述的方法，其特征在于，所述待分离语音数据包括通过分帧处理得到的多个语音帧；每个目标声源的相位移动特征包括：所述目标声源的各个语音帧各自对应的相位移动矩阵；所述基于获得的至少一个相位移动特征，分别对预设的信号解码参数集进行参数重构，获得相应的目标信号解码参数集，包括：对于每个目标声源，分别执行以下操作：分别基于一个目标声源的各个语音帧各自对应的相位移动矩阵，对所述信号解码参数集进行参数重构，获得所述一个目标声源的各个语音帧各自对应的目标信号解码参数集。5.如权利要求4所述的方法，其特征在于，所述待分离语音数据包括通过分帧处理得到的多个语音帧；每个目标声源的语音特征包括：所述目标声源的各个语音帧各自对应的语音信号矩阵；所述分别采用获得的至少一个目标信号解码参数集，对相应的语音特征进行解码，获得对应的目标声源的重建语音信号，包括：对于每个目标声源，分别执行以下操作：分别基于一个目标声源的各个语音帧各自对应的目标信号解码参数集，对相应的语音信号矩阵进行解码，获得对应的解码结果；
将获得的各个解码结果进行拼接后，通过重叠加操作得到所述一个目标声源的重建语音信号。6.如权利要求4所述的方法，其特征在于，所述分别基于一个目标声源的各个语音帧各自对应的相位移动矩阵，对所述信号解码参数集进行参数重构，获得所述一个目标声源的各个语音帧各自对应的目标信号解码参数集，包括：将所述信号解码参数集，划分为多个信号解码参数子集，每个信号解码参数子集对应相位移动矩阵中的一个相位参考值；对于一个目标声源的各个语音帧，分别执行以下操作：分别基于所述一个目标声源的一个语音帧对应的相位移动矩阵中的各个相位参考值，对相应的信号解码参数子集进行参数重构，获得相应的目标信号解码参数子集；将获得的各个目标信号解码参数子集进行拼接，得到所述一个目标声源的一个语音帧对应的目标信号解码参数集。7.如权利要求6所述的方法，其特征在于，所述信号解码参数集为用于对信...

【专利技术属性】
技术研发人员：罗艺，李凯，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：