[发明专利]语音数据增强方法和装置

权利要求书

1.一种语音数据增强方法，包括：

将原始干净音频和带噪音频输入至嵌入提取器中，其中，所述带噪音频包括所述原始干净音频和噪声；

获取所述嵌入提取器输出的干净嵌入和噪声嵌入；

计算所述干净嵌入和所述噪声嵌入之间的差值；

对所述差值进行分布估计得到噪声分布拟合后的噪声嵌入。

2.根据权利要求1所述的方法，其中，所述嵌入提取器包括x-向量嵌入提取器和r-向量嵌入提取器。

3.根据权利要求1所述的方法，其中，所述嵌入提取器包括采用以下方法提取嵌入：

将所述原始干净音频和所述带噪音频的声学特征经过帧级别层获取帧级别的深层特征；

将所述帧级别的深层特征经过统计池层聚合为段级别特征。

4.根据权利要求1-3中任一项所述的方法，其中，所述计算所述干净嵌入和所述噪声嵌入之间的差值包括：

采用逐元素减法运算来计算成对的所述干净嵌入和所述噪声嵌入之间的差值，所述差值用于估计残留噪声项的分布。

5.根据权利要求4所述的方法，其中，所述噪声分布拟合包括高斯分布拟合。

6.根据权利要求5所述的方法，其中，所述高斯分布拟合的公式为：

其中，N表示高斯分布密度函数，σ表示标准差，π表示圆周率，μ表示均值，x表示变量，e表示自然对数。

7.一种语音数据增强装置，包括：

嵌入提取模块，配置为将原始干净音频和带噪音频输入至嵌入提取器中，其中，所述带噪音频包括所述原始干净音频和噪声；

获取模块，配置为获取所述嵌入提取器输出的干净嵌入和噪声嵌入；

计算模块，配置为计算所述干净嵌入和所述噪声嵌入之间的差值；

分布拟合模块，配置为对所述差值进行分布估计得到噪声分布拟合后的噪声嵌入。

8.根据权利要求7所述的装置，其中，所述嵌入提取器包括x-向量嵌入提取器和r-向量嵌入提取器。

9.一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行权利要求1-6中任一项所述的方法的步骤。

10.一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至6任一项所述方法的步骤。