[发明专利]语音增强方法、装置、智能语音设备和计算机设备

说明书

本申请提供一种语音增强方法、装置、智能语音设备和计算机设备，其中方法包括：获取待处理的语音信号；将语音信号输入语音增强模型，去除语音信号中的噪声和/或干扰语音，得到处理后的语音信号；语音增强模型，为根据混合语音信号进行训练得到的模型；混合语音信号，为在纯净唤醒词语音信号中添加噪声和/或干扰语音后得到的信号；纯净唤醒词语音信号为，噪声和干扰语音的占比小于比例阈值的唤醒词语音信号；语音增强模型能够有效去除语音信号中的噪声和干扰语音，例如与非唤醒词相关的语音，从而提高语音增强效果，对处理后的语音信号进行语音识别处理,提高唤醒词识别的准确度以及唤醒效率，提高用户的使用体验。

技术领域

本申请涉及语音处理技术领域，尤其涉及一种语音增强方法、装置、智能语音设备和计算机设备。

背景技术

目前的语音增强方法，是采用深度学习模型，对待处理的语音信号做盲源分离，获取语音信号中各个说话人的信号；每个说话人的信号中，其他说话人的声音受到抑制；然后对各个说话人的信号进行语音识别。然而上述方案中，由于不同人不同说话内容的特征不同，从而不同人不同说话内容的特征区分比较困难，导致分离得到的各个说话人的信号中还掺杂着其他说话人的声音，从而难以准确识别出唤醒词，降低了唤醒词识别的准确度以及唤醒效率。

发明内容

为克服相关技术中存在的问题，本申请提供一种语音增强方法、装置、智能语音设备和计算机设备。

为达到上述目的，本申请的实施例采用如下技术方案：

第一方面，本申请实施例提供一种语音增强方法，包括：

获取待处理的语音信号；

将所述语音信号输入语音增强模型，去除所述语音信号中的噪声和/或干扰语音，得到处理后的语音信号；所述语音增强模型，为根据混合语音信号进行训练得到的模型；所述混合语音信号，为在纯净唤醒词语音信号中添加噪声和/或干扰语音后得到的信号；所述纯净唤醒词语音信号为，噪声和干扰语音的占比小于比例阈值的唤醒词语音信号；

对所述处理后的语音信号进行语音识别处理。

其中在一种具体的实施方式中，所述将所述语音信号输入语音增强模型，去除所述语音信号中的噪声和/或干扰语音，得到处理后的语音信号，包括：

对所述语音信号进行频域变换，得到对应的频谱；对所述频谱进行能量谱计算，获取所述语音信号对应的能量谱；

将所述语音信号对应的能量谱输入所述语音增强模型，获取所述语音增强模型输出的预估掩码；所述预估掩码为所述语音信号中纯净语音信号的频谱与所述语音信号的频谱在每个频带上的预估比值；

根据所述语音信号对应的频谱以及预估掩码，确定所述语音信号中纯净语音信号对应的预估频谱；

对所述纯净语音信号对应的预估频谱进行时域变换，得到所述处理后的语音信号。

其中在另一种具体的实施方式中，所述将所述语音信号输入语音增强模型，去除所述语音信号中的噪声和/或干扰语音，得到处理后的语音信号之前，还包括：

获取训练数据；所述训练数据中包括第一训练样本；所述第一训练样本中包括：混合语音信号对应的能量谱以及理论掩码；所述理论掩码为所述混合语音信号中纯净唤醒词语音信号的频谱与所述混合语音信号的频谱在每个频带上的比值；

根据所述训练数据，对初始语音增强模型进行训练，得到所述语音增强模型。

其中在另一种具体的实施方式中，所述第一训练样本中还包括：混合语音信号对应的频谱；

所述根据所述训练数据，对初始语音增强模型进行训练，得到所述语音增强模型，包括：

将所述第一训练样本中混合语音信号对应的能量谱输入初始语音增强模型，获取输出的预估掩码；