[发明专利]声码器

说明书

技术领域

本发明涉及语音信号处理技术领域，尤其涉及一种声码器。

背景技术

声码器在发送端对语音信号进行分析，提取出语音信号的特征参量加以编码和加密，以取得和信道的匹配，经信息通道传递到接收端，接收端根据收到的特征参量恢复(重构)原始语音波形。

传统声码器一般基于源-滤波器(Source-Filter)模型，将语音信号x(t)分解成声门激励e(t)和声道调制h(t)两部分，写成卷积形式如下：

x(t)＝x(t)×e(t)。

这一基础分解方式是很多语音信号处理技术的基础，如语音编码中的参数编码器，语音合成中的声码器。现有技术中还没有一种声码器是基于内容和说话人对语音信号进行分解重构的。

鉴于此，如何提供一种能够基于内容和说话人对语音信号进行分解重构的声码器成为目前需要解决的技术问题。

发明内容

为解决上述的技术问题，本发明实施例提供一种声码器，能够基于内容和说话人实现对语音信号的分解重构，与任务具有更强的相关性，重构效率高，重构后的语音信号与原语音信号比较相近。

第一方面，本发明实施例提供一种声码器，包括：编码器和解码器；

所述编码器，包括：

第一获取模块，用于获取目标语音信号，将所述目标语音信号转换成log域频谱；

第一提取模块，用于基于所述目标语音信号的log域频谱，利用预先训练的内容因子提取模型提取每一帧目标语音信号的内容因子，以及利用预先训练的说话人因子提取模型提取每一帧目标语音信号的说话人因子，并将每一帧目标语音信号的内容因子和说话人因子发送给所述解码器；

所述解码器，包括：

重构模块，用于利用预先训练的内容谱重构模型，将每一帧目标语音信号的内容因子重构成内容谱，以及利用预先训练的声纹谱重构模型，将每一帧目标语音信号的说话人因子重构成声纹谱；

合成模块，用于将所述内容谱和所述声纹谱相加，获得所述目标语音信号重构后的log域频谱。

可选地，所述第一获取模块，具体用于

获取目标语音信号，将所述目标语音信号进行傅立叶变换，获得所述目标语音信号的log域频谱。

可选地，所述编码器，还包括：

第一训练模块，用于对内容因子提取模型进行预先训练，以使所述内容因子提取模型对音素的区分能力最大化，以及对说话人因子提取模型进行预先训练，以使所述说话人因子提取模型对说话人的区分能力最大化。

可选地，所述第一训练模块，具体用于

基于Fisher准则，对内容因子提取模型进行预先训练，以使所述内容因子提取模型对音素的区分能力最大化，以及基于Fisher准则，对说话人因子提取模型进行预先训练，以使所述说话人因子提取模型对说话人的区分能力最大化。

可选地，所述第一训练模块，具体用于

基于交叉熵，对内容因子提取模型进行预先训练，以使所述内容因子提取模型对音素的区分能力最大化，以及基于交叉熵，对说话人因子提取模型进行预先训练，以使所述说话人因子提取模型对说话人的区分能力最大化。

可选地，所述内容因子提取模型和所述说话人因子提取模型均是基于深度神经网络来实现的。

可选地，所述编码器，还包括：

第二获取模块，用于获取样本语音信号，将所述样本语音信号转换成log域频谱；

第二提取模块，用于基于所述样本语音信号的log域频谱，利用预先训练的内容因子提取模型提取每一帧样本语音信号的内容因子，以及利用预先训练的说话人因子提取模型提取每一帧样本语音信号的说话人因子；

相应地，所述解码器，还包括：

第二训练模块，用于基于每一帧样本语音信号的内容因子和说话人因子，训练得到用于将内容因子重构成内容谱的内容谱重构模型和用于将说话人因子重构成声纹谱的声纹谱重构模型。

可选地，第二获取模块，具体用于

获取样本语音信号，将所述样本语音信号进行傅立叶变换，获得所述样本语音信号的log域频谱。

可选地，所述内容谱重构模型和所述声纹谱重构模型均是基于深度神经网络来实现的。

由上述技术方案可知，本发明实施例的声码器，能够基于内容和说话人实现对语音信号的分解重构，本发明实施例的分解方式与现有技术相比，与任务具有更强的相关性，重构效率高，重构后的语音信号与原语音信号比较相近。

附图说明

图1为本发明一实施例提供的一种声码器的结构示意图。

具体实施方式