[发明专利]语音增强方法、装置、存储介质、电子设备

权利要求书

1.一种语音增强方法，其特征在于，所述方法包括：

调用语音采集设备，采集当前环境中的语音；

按照预设的语音处理算法，对所述语音进行处理，得到单通道语音；

对所述单通道语音进行断句切分，得到包含预设类型声音的语音分段数据流；

从所述语音分段数据流中提取短时傅里叶特征，包括：对所述语音分段数据流进行短时傅里叶变换，获得短时傅里叶特征；其中，对所述短时傅里叶特征求取绝对值，获得语音频谱；

将语音特征输入预设的语音增强网络模型中，得到与所述语音特征对应的增强语音，包括：预先构建基于自注意力机制的语音增强网络模型，捕捉长时依赖信息，并同时融合语音时间和频率域信息，其中，所述基于自注意力机制的语音增强网络模型额外增加边缘增强模块，细化语音纹理特征，使恢复语音清晰；将所述语音频谱输入基于自注意力机制的语音增强网络模型中，得到与所述语音频谱对应的增强语音频谱；

将所述增强语音合成为语音段。

2.根据权利要求1所述的方法，其特征在于，所述按照预设的语音处理算法，对所述语音进行处理，得到单通道语音，包括：

将所述语音经过A/D转换，按照预设的采样率进行采样，得到单通道语音。

3.根据权利要求1所述的方法，其特征在于，所述将所述增强语音合成为语音段，包括：

将增强后的语音频谱结合带噪语音的相位，利用逆傅里叶变换恢复为语音采样点，并将所述语音采样点融合获得连续的语音数据流。

4.根据权利要求1所述的方法，其特征在于，所述对所述单通道语音进行断句切分，得到包含预设类型声音的语音分段数据流，包括：

对所述单通道语音中在预设阈值范围内的语音进行断句切分；

对于所述单通道语音中在预设阈值范围内的任意一帧语音，利用预先建立的神经网络模型检测是否包含预设类型声音；

如果该帧语音包含预设类型声音，则保留该帧语音；

如果该帧语音不包含预设类型声音，则过滤该帧语音；

组合所有包含预设类型声音的语音帧，得到包含预设类型声音的语音分段数据流。

5.一种语音增强装置，其特征在于，所述装置包括：

语音采集模块，用于调用语音采集设备，采集当前环境中的语音；

语音处理模块，用于按照预设的语音处理算法，对所述语音进行处理，得到单通道语音；

语音切分模块，用于对所述单通道语音进行断句切分，得到包含预设类型声音的语音分段数据流；

特征提取模块，用于从所述语音分段数据流中提取短时傅里叶特征，包括：对所述语音分段数据流进行短时傅里叶变换，获得短时傅里叶特征；其中，对所述短时傅里叶特征求取绝对值，获得语音频谱；

语音增强模块，用于将语音特征输入预设的语音增强网络模型中，得到与所述语音特征对应的增强语音，包括：预先构建基于自注意力机制的语音增强网络模型，捕捉长时依赖信息，并同时融合语音时间和频率域信息，其中，所述基于自注意力机制的语音增强网络模型额外增加边缘增强模块，细化语音纹理特征，使恢复语音清晰；将所述语音频谱输入基于自注意力机制的语音增强网络模型中，得到与所述语音频谱对应的增强语音频谱；

语音合成模块，用于将所述增强语音合成为语音段。

6.一种电子设备，其特征在于，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的语音增强程序，以实现权利要求1～4中任一项所述的语音增强方法。

7.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1～4中任一项所述的语音增强方法。