[发明专利]音频处理方法、装置、电子设备及存储介质

权利要求书

1.一种音频处理方法，其特征在于，包括：

获取通话过程中的音频信号；

将所述音频信号输入到目标深度学习网络模型，得到所述音频信号的音频来源的数量信息，所述目标深度学习网络模型由第一上行音频信号和第一下行音频信号训练得到；

根据所述音频信号和所述数量信息，对所述音频信号中的干扰音频信号进行消除处理，得到目标音频信号。

2.根据权利要求1所述的方法，其特征在于，在所述将所述音频信号输入到目标深度学习网络模型，得到所述音频信号的音频来源的数量信息之前，所述方法还包括：

获取训练样本集，所述训练样本集中的每个训练样本包括所述第一上行音频信号、所述第一下行音频信号、以及所述第一上行音频信号和所述第一下行音频信号的音频来源的第一数量信息；

根据所述训练样本集对深度学习网络模型进行训练，直至满足预设训练停止条件，得到所述目标深度学习网络模型；

其中，所述根据所述训练样本集对深度学习网络模型进行训练，包括：

所述每个训练样本执行以下步骤：

提取所述第一上行音频信号中的第一对数幅度频谱，以及提取所述第一下行音频信号中的第二对数幅度频谱；

根据所述第一对数幅度频谱、所述第二对数幅度频谱和所述第一数量信息对深度学习网络模型进行训练。

3.根据权利要求2所述的方法，其特征在于，所述获取训练样本集之前，所述方法还包括：

获取语音数据集和噪声数据集；

对所述语音数据集和所述噪声数据集进行信号模拟，得到所述第一上行音频信号和所述第一下行音频信号。

4.根据权利要求2所述的方法，其特征在于，所述将所述音频信号输入到目标深度学习网络模型，得到所述音频信号的音频来源的数量信息，包括：

提取所述音频信号中的目标对数幅度频谱；

将所述目标对数幅度频谱输入到目标深度学习网络模型，得到所述音频信号的音频来源的数量信息。

5.根据权利要求1所述的方法，其特征在于，所述根据所述音频信号和所述数量信息，对所述音频信号中的干扰音频信号进行消除处理，包括：

在所述数量信息满足预设条件的情况下，所述干扰音频信号包括在所述通话过程中的第二下行音频信号和回声音频信号；

通过所述第二下行音频信号，确定所述音频信号中第二上行音频信号中的回声音频信号；

根据所述回声音频信号的大小，对所述第二上行音频信号中的回声音频信号进行消除处理，得到第三上行音频信号；

将所述第三上行音频信号确定为所述目标音频信号。

6.一种音频处理装置，其特征在于，包括：

获取模块，用于获取通话过程中的音频信号；

确定模块，用于将所述音频信号输入到目标深度学习网络模型，得到所述音频信号的音频来源的数量信息，所述目标深度学习网络模型由第一上行音频信号和第一下行音频信号训练得到；

处理模块，用于根据所述音频信号和所述数量信息，对所述音频信号中的干扰音频信号进行消除处理，得到目标音频信号。

7.根据权利要求6所述的装置，其特征在于，所述音频处理装置还包括训练模块；其中，

所述获取模块还用于，获取训练样本集，所述训练样本集中的每个训练样本包括所述第一上行音频信号、所述第一下行音频信号、以及所述第一上行音频信号和所述第一下行音频信号的音频来源的第一数量信息；

所述训练模块，用于根据所述训练样本集对深度学习网络模型进行训练，直至满足预设训练停止条件，得到所述目标深度学习网络模型；其中，所述处理模块具体用于，

所述每个训练样本执行以下步骤：

提取所述第一上行音频信号中的第一对数幅度频谱，以及提取所述第一下行音频信号中的第二对数幅度频谱；

根据所述第一对数幅度频谱、所述第二对数幅度频谱和所述第一数量信息对深度学习网络模型进行训练。