【技术实现步骤摘要】
本申请涉及音频信号处理，尤其涉及一种语音增强模型训练方法、语音增强方法及设备。
技术介绍
1、随着智能设备的普及，通过智能设备进行语音交互的场景也越来越多，但自然场景中普遍存在的噪声干扰，导致语音信号在采集、传输过程中发生严重失真，直接影响语音识别的准确率与用户体验。
2、目前，已提出基于深度神经网络技术构建语音增强模型，能够通过学习语音信号与噪声的特征模式，提升复杂场景下的语音降噪性能，然而，现有的语音增强模型通常具有庞大的参数量和高计算复杂度，导致其在计算能力、存储容量和电池续航等资源受限的智能设备(如智能手机、可穿戴设备等)上部署时，难以在语音降噪效果与资源消耗之间取得平衡。
3、综上，如何优化语音增强模型在资源受限条件下的语音降噪效果，俨然已成为本领域亟需解决的技术问题。
4、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本申请的主要目的在于提供一种语音增强模型训练方法、语音增强方法及设备，旨在优化语...
【技术保护点】
1.一种语音增强模型训练方法，其特征在于，所述语音增强模型训练方法包括：
2.如权利要求1所述的语音增强模型训练方法，其特征在于，所述对待量化的语音增强模型进行第一阶段量化处理的步骤之前，还包括：
3.如权利要求2所述的语音增强模型训练方法，其特征在于，所述获取训练样本数据的步骤包括：
4.如权利要求2所述的语音增强模型训练方法，其特征在于，所述根据所述训练样本数据对待训练的神经网络模型进行生成对抗网络训练得到语音增强模型的步骤包括：
5.如权利要求4所述的语音增强模型训练方法，其特征在于，所述根据所述真实语音质量指标和...
【技术特征摘要】
1.一种语音增强模型训练方法，其特征在于，所述语音增强模型训练方法包括：
2.如权利要求1所述的语音增强模型训练方法，其特征在于，所述对待量化的语音增强模型进行第一阶段量化处理的步骤之前，还包括：
3.如权利要求2所述的语音增强模型训练方法，其特征在于，所述获取训练样本数据的步骤包括：
4.如权利要求2所述的语音增强模型训练方法，其特征在于，所述根据所述训练样本数据对待训练的神经网络模型进行生成对抗网络训练得到语音增强模型的步骤包括：
5.如权利要求4所述的语音增强模型训练方法，其特征在于，所述根据所述真实语音质量指标和所述虚假语音质量指标计算对抗损失函数的步骤包括：
6.如权利要求1所述的语音增强模型训练方法，其特征在于，所述对待量化的语音增强模型进行第一阶段量化处理的...
【专利技术属性】
技术研发人员：葛俊，朱毅可，刘子楷，张圣，韩润铎，刘铭帅，谢磊，
申请(专利权)人：歌尔股份有限公司，
类型：发明
国别省市：
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。