[发明专利]语音数据的处理方法、装置、设备、介质和系统

说明书

本申请实施例公开了一种语音数据的处理方法、装置、设备、介质和系统，用以在去除串扰音的同时，增强可扩展性，降低升级难度。所述方法包括：在时域对齐处理后的多路语音数据中，确定每路语音数据与其它路语音数据之间的相关性、每路语音数据的信噪比；根据每路语音数据与其它路语音数据之间的相关性和/或每路语音数据的信噪比，确定每路语音数据的类型，其中，语音数据的类型包括主音和串扰音；保留类型为主音的语音数据，去除类型为串扰音的语音数据。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种语音数据的处理方法、装置、设备、介质和系统。

背景技术

在多个麦克风的应用场景中，一个发言人发言时，除了发言人对应的麦克风会接收到声音，其它麦克风也会接收到声音，其它麦克风接收到的这部分声音就属于串扰音。

在进行语音数据处理时，需要去除串扰音。目前，去除串扰音主要有以下两种方案：

第一种方案为在前端麦克风中增加防串扰模块。此种方案防串扰模块设置在麦克风中，其在去除串扰音时，基于单通道(或者单麦克风)的语音数据进行去除，实际效果并不理想，而且每个麦克风中都需要增加防串扰模块，成本较高。

第二种方案为在后端逻辑控制模块中增加专门防串扰硬件。此种方案中防串扰硬件的工作原理为：声源活跃度检测器(Source Activity Detector，SAD)通过估算信噪比(Signal-to-Noise Ratio，SNR)判断每个麦克风是否有语音数据输入，在判定麦克风中有语音数据输入时，将麦克风采集的语音数据输入到逻辑控制模块，逻辑控制模块根据各个麦克风的信号，来选择激活不同的均衡器，最终多路语音数据在均衡器的处理下输出去除串扰的语音数据。其中，均衡器是一个可动态调节权重的反馈系统。此种方案相较于第一种方案，虽然其去除串扰音的效果优于第一种方案，但是其受硬件性能限制，所能支持的最大麦克风数量在出厂时已经固定，可扩展性较差，升级难度大。

综上所述，现有技术中去除串扰音的方案，可扩展性差，因此升级难度大。

发明内容

本申请实施例提供了一种语音数据的处理方法、装置、设备、计算机可读存储介质和系统，用以在去除串扰音的同时，增强可扩展性，降低升级难度。

根据本申请实施例的第一方面，提供一种语音数据的处理方法，包括：

在时域对齐处理后的多路语音数据中，确定每路语音数据与其它路语音数据之间的相关性、每路语音数据的信噪比；

根据每路语音数据与其它路语音数据之间的相关性和/或每路语音数据的信噪比，确定每路语音数据的类型，其中，语音数据的类型包括主音和串扰音；

保留类型为主音的语音数据，去除类型为串扰音的语音数据。

根据本申请实施例的第二方面，提供一种语音数据的处理装置，包括：

计算模块，用于在时域对齐处理后的多路语音数据中，确定每路语音数据与其它路语音数据之间的相关性、每路语音数据的信噪比；

数据类型确定模块，用于根据每路语音数据与其它路语音数据之间的相关性和/或每路语音数据的信噪比，确定每路语音数据的类型，其中，语音数据的类型包括主音和串扰音；

处理模块，用于保留类型为主音的语音数据，去除类型为串扰音的语音数据。

根据本申请实施例的第三方面，提供一种语音数据的处理设备，包括：存储器和处理器；该存储器用于储存有可执行程序代码；该处理器用于读取存储器中存储的可执行程序代码以执行上述语音数据的处理方法。

根据本申请实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现上述语音数据的处理方法。