[发明专利]语音中检测音乐的方法、语音通信优化方法及对应的装置

权利要求书

1.一种语音中检测音乐的方法，其特征在于，包括：

获取语音片段，并对所述语音片段进行分帧处理得到至少两帧语音信号；

获取每一帧语音信号的特征向量，以及该帧语音信号之前的第一帧数的历史语音信号中各帧历史语音信号的特征向量；

将每一帧语音信号的特征向量和对应的各帧历史语音信号的特征向量输入训练好的预设门循环卷积单元GRU模型，并基于所述训练好的预设GRU模型的输出结果确定该帧语音信号是否包含音乐；

其中，所述训练好的预设GRU模型通过语音信号样本训练得到，所述语音信号样本标注有用于指示该语音信号样本是否包含音乐的标签。

2.根据权利要求1所述的方法，其特征在于，获取每一帧语音信号的特征向量，包括：

提取每一帧语音信号的对数梅尔频谱特征；

对每一帧语音信号的对数梅尔频谱特征进行归一化处理，得到该帧语音信号的特征向量。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取预设数量的所述语音信号样本；

基于各语音信号样本对所述预设GRU模型进行训练，得到训练好的预设GRU模型。

4.根据权利要求1所述的方法，其特征在于，所述训练好的预设GRU模型的输出结果为所述每一帧语音信号包含音乐的第一概率；

基于所述训练好的预设GRU模型的输出结果确定每一帧语音信号是否包含音乐，包括：

基于每一帧语音信号包含音乐的第一概率和预设门限值，确定该帧语音信号是否包含音乐。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

获取第二帧数的历史语音信号中各帧历史语音信号包含音乐的第二概率；

所述基于每一帧语音信号包含音乐的第一概率和预设门限值，确定该帧语音信号是否包含音乐，包括：

获取每一帧语音信号对应的第一概率与对应的各帧历史语音信号对应的第二概率的平均值，得到该帧语音信号包含音乐的平均概率；

若所述平均概率不小于所述预设门限值，则确定所述每一帧语音信号中包含音乐。

6.一种语音通信优化方法，其特征在于，包括：

获取语音通信中近端设备的当前帧语音信号；

获取所述当前帧语音信号的特征向量，以及所述当前帧语音信号之前的第一帧数的历史语音信号中各帧历史语音信号的特征向量；

将所述当前帧语音信号的特征向量和对应的各帧历史语音信号的特征向量输入训练好的预设门循环卷积单元GRU模型，并基于所述训练好的预设GRU模型的输出结果确定所述当前帧语音信号是否包含音乐，其中，所述训练好的预设GRU模型通过语音信号样本训练得到，所述语音信号样本标注有用于指示该语音信号样本是否包含音乐的标签；

若所述当前帧语音信号中包含音乐，则对所述当前帧语音信号采用预设编码方式进行编码后发送至语音通信中的对端设备。

7.根据权利要求6所述的方法，其特征在于，所述对所述当前帧语音信号采用预设编码方式进行编码，包括：

采用预设编码器对所述当前帧语音信号进行编码，其中所述预设编码器的阶数高于用于对不包含音乐的语音信号进行编码的编码器的阶数。

8.根据权利要求6或7所述的方法，其特征在于，若所述当前帧语音信号中包含音乐，所述方法包括：

停用噪音抑制算法，和/或停用混响消除算法。