音频处理方法技术

本申请公开一种音频处理方法，包括：对第一音频执行第一语音增强处理，生成增强音频，其中所述第一音频中具有目标语音和背景噪音，所述背景噪音包括人声噪音；获取增强音频的能量信息；根据所述增强音频的能量信息，对所述增强音频叠加加性噪声，以获取加噪音频；对所述加噪音频执行第二语音增强处理，生成增强了所述目标语音的目标音频

【技术实现步骤摘要】
音频处理方法、电子设备及存储介质


[0001]本申请涉及音频处理
，具体而言，涉及一种音频处理
、
音频播放及语音识别方法
、
电子设备及存储介质
。

技术介绍

[0002]当前，提出了基于信号处理的语音增强
(Speech Enhancement)
方法
。
在基于信号处理的语音增强方法中，通常假设噪声是平稳的或慢变的，适用于仅存在平稳底噪的场景，但是难以适用于更加普遍的非平稳噪声场景
。
[0003]当前，还提出了基于模型的语音增强方法
。
基于模型的语音增强方法在低信噪比
、
非平稳的条件下相对信号处理算法更有优势，能处理大多数平稳和非平稳的普通噪声
。
[0004]然而，当音频信号中存在人声干扰时，例如他人在周围交谈时，由于人声干扰和目标语音同属于语音信号，常规的语音识别工具难以区分人声干扰和目标语音，造成目标语音残留人声干扰噪音，严重影响听觉体验
。
[0005]本
技术介绍
描述的内容仅为了便于了解本领域的相关技术，不视作对现有技术的承认
。

技术实现思路

[0006]根据本申请的示例实施例，提供了一种音频处理方法
、
电子设备及存储介质
。
[0007]在本申请的第一方面中，提供一种音频处理方法，所述方法包括：
[0008]对第一音频执行第一语音增强处理，生成增强音频，其中所述第一音频中具有目标语音和背景噪音，所述背景噪音包括人声噪音；
[0009]获取增强音频的能量信息；
[0010]根据所述增强音频的能量信息，对所述增强音频叠加加性噪声，以获取加噪音频；
[0011]对所述加噪音频执行第二语音增强处理，生成增强了所述目标语音的目标音频
。
[0012]在本申请实施例中，所述获取增强音频的能量信息，包括：
[0013]根据预定采样频率对所述增强音频进行采样，以获取所述预定采样频率对应的每个采样点的能量幅值；
[0014]根据所述能量幅值以及所述采样点的个数，确定所述增强音频的音频平均能量，作为所述增强音频的能量信息
。
[0015]在本申请实施例中，根据所述增强音频的能量信息，对所述增强音频叠加加性噪声，包括：
[0016]根据所述音频平均能量，确定叠加噪声比例，其中所述叠加噪声比例与所述音频平均能量正相关；
[0017]根据确定的所述叠加噪声比例，对所述增强音频叠加所述加性噪声
。
[0018]在本申请实施例中，所述根据所述音频平均能量，确定叠加噪声比例，包括：
[0019]判断所述音频平均能量是否大于预定阈值；
[0020]若所述音频平均能量大于预定阈值，则在第一预定比例区间内确定所述叠加噪声比例；
[0021]若所述音频平均能量不大于预定阈值，则在第二预定比例区间内确定所述叠加噪声比例；其中，第一预定比例区间值大于第二预定比例区间值
。
[0022]在本申请实施例中，所述根据所述音频平均能量确定叠加噪声比例，包括：
[0023]预先建立多个能量区间与多个噪声比例的映射关系；
[0024]在所述多个能量区间中，确定所述音频平均能量所属的目标能量区间；
[0025]根据所述能量区间与所述噪声比例的映射关系，确定所述目标能量区间对应的噪声比例，并将确定的噪声比例确定为所述叠加噪声比例
。
[0026]在本申请实施例中，根据所述增强音频的能量信息，对所述增强音频叠加加性噪声，还包括：
[0027]根据所述增强音频的频率，确定所述加性噪声的频率；
[0028]根据叠加噪声比例确定所述加性噪声的幅值，其中，所述加性噪声的频率与所述增强音频的频率一致
。
[0029]在本申请实施例中，所述对第一音频执行第一语音增强处理，生成增强音频，包括：
[0030]将所述第一音频输入预先训练完成的语音增强神经网络模型，以输出所述增强音频；所述对所述加噪音频执行第二语音增强处理，生成增强了所述目标语音的目标音频，包括：
[0031]将所述加噪音频输入所述预先训练完成的语音增强神经网络模型，以输出所述目标音频
。
[0032]在本申请实施例中，所述加性噪声为白噪音
。
[0033]在本申请实施例中，所述白噪音为高斯白噪音
。
[0034]在本申请的第二方面中，提供一种音频处理方法，包括：
[0035]利用第一方面所述的音频处理方法获取目标音频；
[0036]播放所述目标音频，和
/
或将所述目标音频中增强的目标语音转换成对应的文字
。
[0037]在本申请的第四方面中，提供了一种音频处理装置，应用于播放设备，所述装置包括第一增强模块
、
处理模块以及第二增强模块；其中：
[0038]第一增强模块，用于对第一音频执行第一语音增强处理，生成增强音频，其中所述第一音频中具有目标语音和背景噪音，所述背景噪音包括人声噪音；
[0039]获取模块，用于获取增强音频的能量信息；
[0040]处理模块，用于根据所述增强音频的能量信息，对所述增强音频叠加加性噪声，以获取加噪音频；
[0041]第二增强模块，用于对所述加噪音频执行第二语音增强处理，生成增强了所述目标语音的目标音频
。
[0042]在本申请的第五方面中，提供了一种电子设备，包括：
[0043]至少一个处理器；
[0044]至少一个存储计算机可执行指令的存储器，
[0045]其中，所述计算机可执行指令在被所述至少一个处理器运行时，促使所述至少一
个处理器执行如第一至第三方面方法
。
[0046]在本申请的第七方面中，提供了一种计算机可读存储介质，当所述计算机可读存储介质中的指令被至少一个处理器运行时，促使所述至少一个处理器执行第一至第三方面方法
。
[0047]在本申请实施例中，在音频处理方法中，通过对第一音频执行第一语音增强处理，生成增强音频，其中所述第一音频中具有目标语音和背景噪音，所述背景噪音包括人声噪音；获取增强音频的能量信息；根据所述增强音频的能量信息，对所述增强音频叠加加性噪声，以获取加噪音频；对所述加噪音频执行第二语音增强处理，生成增强了所述目标语音的目标音频；由此本申请实施例通过增加声学掩蔽处理并进行第二语音增强处理，能进一步处理音频内容的残留噪声，特别是残留人声干扰，提高了音频内容中残留人声干扰的去噪效果
。
[0048]本申请的进一步实施例可以应用于音频播放，从而提高了长音频内容的用户试听体验
。
[0049]本申请另外的实施例可以应用于语音识别，能够大幅提升语音识别效果
。
[005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，其特征在于，所述方法包括：对第一音频执行第一语音增强处理，生成增强音频，其中所述第一音频包括目标语音和背景噪音，所述背景噪音包括人声噪音；获取所述增强音频的能量信息；根据所述增强音频的能量信息，对所述增强音频叠加加性噪声以获取加噪音频；对所述加噪音频执行第二语音增强处理，生成目标音频
。2.
根据权利要求1所述的音频处理方法，其特征在于，所述获取增强音频的能量信息，包括：根据预定采样频率对所述增强音频进行采样，以获取所述预定采样频率对应的每个采样点的能量幅值；根据所述能量幅值以及所述采样点的个数，确定所述增强音频的音频平均能量，作为所述增强音频的能量信息
。3.
根据权利要求2所述的音频处理方法，其特征在于，根据所述增强音频的能量信息，对所述增强音频叠加加性噪声，包括：根据所述音频平均能量确定叠加噪声比例，其中所述叠加噪声比例与所述音频平均能量正相关；根据确定的所述叠加噪声比例，对所述增强音频叠加所述加性噪声
。4.
根据权利要求3所述的音频处理方法，其特征在于，所述根据所述音频平均能量确定叠加噪声比例，包括：判断所述音频平均能量是否大于预定阈值；若所述音频平均能量大于预定阈值，则在第一预定比例区间内确定所述叠加噪声比例；若所述音频平均能量不大于预定阈值，则在第二预定比例区间内确定所述叠加噪声比例；其中，第一预定比例区间值大于第二预定比例区间值
。5.
根据权利要求3所述的音频处理方法，其特征在于，所述根据所述音频平均能量确定叠加噪声比例，包括：预先建立多个能量区间与多个噪声比例的映射关系；在所述多个能量区间中，确定所述音频平均能量所属的目标能量区...

【专利技术属性】
技术研发人员：何礼，
申请(专利权)人：腾讯音乐娱乐科技深圳有限公司，
类型：发明
国别省市：