【技术实现步骤摘要】
本专利技术涉及计算机，更具体地，涉及一种训练回声消除模型的方法、装置和设备。
技术介绍
1、智能语音技术主要应用于语音通信和交互系统等场景，例如，会议系统、车内语音平台、智能音箱交互等，在上述语音信场景中会遇到回声的问题，即来自远端的语音在近端的扬声器播放后，经过近端环境又被传输至近端麦克风从而造成回声，在通信技术中，回声与近端语音的叠加被近端麦克风采集到后传输至远端，会造成远端听到的声音中受到回声的干扰，语音交互质量很差，为了提高语音交互的质量，需要对回声进行消除；在智能语音技术中，回声与近端语音的叠加被近端麦克风采集后，回声会严重干扰语音唤醒和语音识别对近端语音的识别，需要对回声进行消除。
2、现有技术中，采用基于深度神经网络的回声消除模型，对回声进行消除，上述回声消除模型对非线性回声的抑制取得了较好的效果，但是由于硬件设备的声学结构、声学参数以及声学算法的差异，所述基于深度神经网络的回声消除模型的使用场景受限，对于每一种硬件设备需要单独训练一组回声消除模型的参数，无法将已训练好的回声消除模型的应用于其它硬件设备，上述回...
【技术保护点】
1.一种训练回声消除模型的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述残差信号、所述目标用户语音信号、所述中间麦克风输入信号样本和所述中间回路信号样本确定回声消除模型的损失函数，具体包括：
3.根据权利要求1所述的方法，其特征在于，所述获取训练样本，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述获取训练样本，具体包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述信号转换包括功率变换或频率变换
7....
【技术特征摘要】
1.一种训练回声消除模型的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述残差信号、所述目标用户语音信号、所述中间麦克风输入信号样本和所述中间回路信号样本确定回声消除模型的损失函数，具体包括：
3.根据权利要求1所述的方法，其特征在于，所述获取训练样本，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述获取训练样本，具体包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述信号转换包括功率变换或频率变换。
7.根据权利要求5所述的方法，其特征在于，所述方法还包括：
8.根据权利要求7所述的方法，其特征在于，所述根据所述目标残差信号、所述目标用户语音信号、所...
【专利技术属性】
技术研发人员：梁小涛，薛少飞，刘承伟，
申请(专利权)人：浙江未来精灵人工智能科技有限公司，
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。