【技术实现步骤摘要】
【国外来华专利技术】文本回声消除
[0001]本公开涉及文本回声消除。
技术介绍
[0002]当音频系统捕获和传送音频时,这些外围设备可能受到回声的影响。当从音频播出设备(例如,扬声器)生成的可听信号以声波的形式传播通过声学环境(例如,空气)并且该波的修改版本反射回麦克风时,通常发生回声。另一个形式的回声是电回声,其由于音频播出设备(例如扬声器)和麦克风之间的不期望的电耦合效应而出现。由这样的回声路径生成的信号然后变为被传送作为音频回声。回声可能由于诸如例如外围设备的接近度或外围设备的质量的各种因素而产生。当在一个或多个设备正在施行语音处理的启用语音的环境内发生回声时,回声可能对语音处理的准确性有不利影响;因此影响用户对设备和/或语音系统的体验。随着人们越来越多地使用经受回声的系统进行通信,可以实现回声消除系统和方法以改进被回声影响的语音处理的质量。
技术实现思路
[0003]本公开的一个方面提供了一种计算机实现的方法,当在数据处理硬件上执行时,该方法使得数据处理硬件施行包括以下的操作:接收包括由说话者说出的与合成回放音频的片段重叠的音频的重叠音频信号,以及将与合成回放音频对应的字符序列编码成文本嵌入表示。所述操作还包括针对字符序列中的每个字符,使用文本嵌入表示来生成相应的消除概率,并且使用被配置成接收重叠音频信号和针对字符序列中的每个字符所生成的相应的消除概率作为输入的消除神经网络,通过从重叠音频信号中移除合成回放音频的片段,来生成增强音频信号。每个相应的消除概率指示相应的字符与合成回放音频的片段相关联的似然性,该合成 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种计算机实现的方法(400),所述方法当在数据处理硬件(510)上被执行时使得所述数据处理硬件(510)施行操作,所述操作包括:接收重叠音频信号(202),所述重叠音频信号(202)包括与合成回放音频(154)的片段(156)重叠的由说话者(10)说出的音频;将与所述合成回放音频(154)相对应的字符序列编码成文本嵌入表示(152);针对所述字符序列中的每个字符,使用所述文本嵌入表示(152)来生成相应的消除概率(222),所述相应的消除概率(222)指示对应的字符与在所述重叠音频信号(202)中由所述说话者(10)说出的所述音频所重叠的所述合成回放音频(154)的所述片段(156)相关联的似然性;以及使用消除神经网络(230),通过从所述重叠音频信号(202)中移除所述合成回放音频(154)的所述片段(156)来生成增强音频信号(206),所述消除神经网络(230)被配置成接收所述重叠音频信号(202)和针对所述字符序列中的每个字符所生成的所述相应的消除概率(222)作为输入。2.根据权利要求1所述的计算机实现的方法(400),其中,文本到语音TTS系统(150)将所述字符序列转换成包括所述合成回放音频(154)的合成语音。3.根据权利要求1或2所述的计算机实现的方法(400),其中,所述文本嵌入表示(152)包括单个、固定维文本嵌入向量。4.根据权利要求1至3中的任一项所述的计算机实现的方法(400),其中,将所述字符序列编码包括:将所述字符序列中的每个字符编码成对应的字符嵌入(214)以生成字符嵌入(214)的序列。5.根据权利要求4所述的计算机实现的方法(400),其中:所述重叠音频信号(202)包括帧序列,所述帧序列中的每个帧和与合成回放音频(154)的所述片段(156)重叠的由所述说话者(10)说出的所述音频的一部分相对应;以及针对所述字符序列中的每个字符生成所述相应的消除概率(222)包括:当所述对应的字符嵌入(214)与所述重叠音频信号(202)的所述帧序列中的所述帧中的一个帧相对应时,使用注意力机制(220)将权重(224)应用于所述对应的字符嵌入(214)。6.根据权利要求1至5中的任一项所述的计算机实现的方法(400),其中,所述操作进一步包括:在多个训练示例(302)上训练所述消除神经网络(230),每个训练示例(302)包括:与非合成语音相对应的真实值音频信号(310);包括所述真实值音频信号(310)的与合成音频信号重叠的训练重叠音频信号(320);以及所述合成音频信号的相应文本表示(330),所述文本表示(330)包括字符序列。7.根据权利要求1至6中的任一项所述的计算机实现的方法(400),其中,文本编码神经网络的文本编码器(210)将与所述合成回放音频(154)相对应的所述字符序列编码成所述文本嵌入表示(152)。8.根据权利要求7所述的计算机实现的方法(400),其中,所述文本编码器(210)由文本到语音TTS系统(150)共享,所述TTS系统(150)被配置成从所述字符序列生成所述合成回放音频(154)。9.根据权利要求1至8中的任一项所述的计算机实现的方法(400),其中,所述消除神经
网络(230)包括长短期记忆LSTM网络,所述长短期记忆LSTM网络具有多个LSTM层。10.根据权利要求1至9中的任一项所述的计算机实现的方法(400),其中,所述操作进一步包括:接收所述合成回放音频(154)的文本表示是可用的指示。11.一种系统(500),包...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。