[发明专利]一种语音处理方法、装置及计算机存储介质

说明书

本发明实施例提供了一种语音处理方法、装置及计算机存储介质，其中方法包括：对输入的带噪语音信息以及标注数据进行时长划分，分别得到至少一条子带噪语音信息以及至少一条子标注数据；基于所述至少一条子带噪语音信息以及至一条子标注数据，对判别模型以及生成模型进行训练，得到训练后的判别模型以及训练后的生成模型；其中，所述生成模型用于进行去噪处理，为包含有至少N个卷积层的网络。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种语音处理方法、装置以及计算机存储介质。

背景技术

语音是传递信息的重要手段，在一段语音中承载了用户说话的内容以及情绪等丰富信息。语音可以通过多种媒介进行传播、或者通过多种方式进行采集，但是在语音的传播或采集的过程中，可能会由于采集或传输设备的限制使得语音中存在较多的噪音，并且含有较大噪音的语音会影响用户的听觉器官，因此，如何对语音中的噪音进行处理就尤为重要。

发明内容

为解决上述技术问题，本发明实施例提供了一种语音处理方法、装置以及计算机存储介质。

第一方面，提供了一种语音处理方法，包括：

对输入的带噪语音信息以及标注数据进行时长划分，分别得到至少一条子带噪语音信息以及至少一条子标注数据；

基于所述至少一条子带噪语音信息以及至一条子标注数据，对判别模型以及生成模型进行训练，得到训练后的判别模型以及训练后的生成模型；

其中，所述判别模型用于判断输入的语音是否为真实语音；

所述生成模型用于进行去噪处理，为包含有至少N个卷积层的网络，N为大于等于11的整数，并且，所述生成模型中当生成模型中第m+1层的卷积核小于第m层的卷积核时，第m+2层的输出特征通道数量为第m+1层的输出特征特征通道的预设倍数；以及当所述生成模型中第i-1层的卷积核小于第i层的卷积核时，第i-2层的输出的特征通道数量为第i-1层的输出的特征通道数量的预设倍数，其中，i为大于等于N且小于2N的整数。

第二方面，提供了一种语音处理装置，包括：

预处理单元，用于对输入的带噪语音信息以及标注数据进行时长划分，分别得到至少一条子带噪语音信息以及至少一条子标注数据；

训练单元，用于基于所述至少一条子带噪语音信息以及至一条子标注数据，对判别模型以及生成模型进行训练，得到训练后的判别模型以及训练后的生成模型；

其中，所述判别模型用于判断输入的语音是否为真实语音；

所述生成模型用于进行去噪处理，为包含有至少N个卷积层的网络，N为大于等于11的整数，并且，所述生成模型中当生成模型中第m+1层的卷积核小于第m层的卷积核时，第m+2层的输出特征通道数量为第m+1层的输出特征特征通道的预设倍数；以及当所述生成模型中第i-1层的卷积核小于第i层的卷积核时，第i-2层的输出的特征通道数量为第i-1层的输出的特征通道数量的预设倍数，其中，i为大于等于N且小于2N的整数。

第三方面，提供了一种语音处理装置，包括：

通信接口，用于获取输入的带噪语音信息以及标注数据；

处理器，用于对输入的带噪语音信息以及标注数据进行时长划分，分别得到至少一条子带噪语音信息以及至少一条子标注数据；基于所述至少一条子带噪语音信息以及至一条子标注数据，对判别模型以及生成模型进行训练，得到训练后的判别模型以及训练后的生成模型；

其中，所述判别模型用于判断输入的语音是否为真实语音；