[发明专利]一种基于人工智能的语音增强方法

说明书

本发明公开了一种基于人工智能的语音增强方法。为了克服现有技术数据处理复杂，模型臃肿，训练难度大，计算速度慢，灵活性差的问题；本发明包括以下步骤：S1：训练数据预处理；提取音频数据的时域序列，进行切片处理；S2：模型训练和部署；建立GAN算法模型，根据音频数据模拟进行对抗式训练；将训练完成的GAN算法模型部署到机器的服务器中；S3：模型测试；对测试数据中的带噪音频进行切片处理，在训练完成的GAN算法模型中进行数据除噪与音频重构，完成音频的语音增强；S4：模型评估优化；采用多种方式对语音增强后的音频质量进行评估。本方案基于GAN算法模型，模型结构简单，占用空间小，数据预处理简单，减小了训练难度，能够灵活调用。

技术领域

本发明涉及一种语音处理技术领域，尤其涉及一种基于人工智能的语音增强方法。

背景技术

在接收语音信号的同时，语音总是不可避免地受到噪声的干扰，或是遇到采音效果差等问题，这些干扰不仅造成语音污染，还会导致语音识别系统性能的恶化。一方面，受噪声污染的音频会恶化人的听感；另一方面，也一定程度上影响了语音识别系统的性能。因此，如何从含噪语音中提取尽可能纯净的原始语音，维持音频的声音强度，改善音频的可听性，是语音识别工作的一项重要内容。语音增强作为一种预处理方案，是改善智能语音服务和提高音频可听性的有效手段。

现有的语音增强的手段，例如，一种在中国专利文献上公开的“语音增强方法”，其公告号CN110767244A，包括：提取各语音帧的声学特征；利用干净语音的与噪声语音的样本对渐进式双输出神经网络模型进行训练，利用训练后的渐进式双输出神经网络模型估计各语音帧的理想软掩蔽，并进行声学特征的增强处理；如果应用到人耳，则利用增强后的声学特征对波形进行重构，得到可主观测听的波形；如果应用到语音识别系统，则将估计到的理想软掩蔽应用到输入语音的声学特征上，得到掩蔽后的声学特征，然后对波形进行重构得到增强后的语音。

现有的语音增强的技术手段数据预处理复杂，需要做频域变换，分帧后还需再做拼接等处理；需先后训练多个模型，全连接结构参数量大，导致网络训练难度大，时间长；在面对一个新的噪声场景时，需要从新进行模型的训练；模型臃肿，计算速度慢。

发明内容

本发明主要解决现有技术数据处理复杂，模型臃肿，训练难度大，计算速度慢，灵活性差的问题；提供一种基于人工智能的语音增强方法，只需要一个GAN模型，就可以完成带噪音频的去噪工作，占用空间小，数据处理过程简单，训练难度减低。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

本发明包括以下步骤：

S1：训练数据预处理；提取音频数据的时域序列，对音频数据进行切片处理；

S2：模型训练和部署；建立GAN算法模型，根据音频数据模拟进行对抗式训练；将训练完成的GAN算法模型部署到机器的服务器中；

S3：模型测试；对测试数据中的带噪音频进行切片处理，再训练完成的GAN算法模型中进行数据除噪与音频重构，完成音频的语音增强；

S4：模型评估优化；采用多种方式对语音增强后的音频质量进行评估。

本方案基于生成对抗网络(GAN)算法模型，模型结构简单，占用空间小，减小了训练难度，能够通过移动介质灵活转移和部署到服务端，满足用户的灵活调用。本方案采用端到端技术，直接对音频的时域序列进行处理，避免了复杂的数据预处理过程；用户只需要提供带噪音频，启动的服务即可自行进行音频切分并完成去噪，重构等过程，最终反馈给用户去除噪声的音频。

作为优选，GAN算法模型包括生成器G和判别器D；

生成器G模拟输入的真实音频数据分布的有效映射，生成与训练数据相关的新样本；