[发明专利]语音处理方法、装置及语音处理模型的生成方法、装置

说明书

本申请公开了一种语音处理方法、装置及语音处理模型的生成方法、装置，涉及语音技术、人工交互、深度学习技术领域。实现方案为：获取待处理的M个语音信号及N个参考信号；对每个信号分别进行子带分解，以获取每个语音信号及参考信号中的各个频带分量；获取N个参考信号在每个语音信号的每个频带中对应的理想比值膜IRM；基于每个IRM，对每个语音信号的每个频带分量进行回波消除，以获取回波消除后的M个语音信号。由此，基于真实的参考信号在语音信号的每个频带中对应的理想比值膜IRM，对语音信号的每个频带分量进行回波消除，无需依赖于任何模拟的信号，从而提高了回波消除的准确性和泛化性，改善了用户的使用体验。

技术领域

本申请涉及信号处理技术领域，具体涉及语音技术、人工交互、深度学习技术领域，尤其涉及一种语音处理方法、装置、电子设备和存储介质，还涉及一种语音处理模型的生成方法、装置、电子设备和存储介质。

背景技术

随着芯片技术和语音技术的发展，越来越多的智能语音交互设备走进了人们的生活。比如家居场景中的智能音箱、智能电视，车载场景中的智能导航等，人们已经逐渐习惯于利用语音与设备交互以获取资源和服务。这些智能语音交互设备通常基于深度学习技术，并使用麦克风阵列和扬声器完成与用户之间的语音交互。

在语音交互的过程中，设备的扬声器发出的语音信号会通过智能硬件腔体和房间的反射等多条回波路径被自身麦克风接收。这些回波信号会减低用户真实语音信号的信噪比，造成语音识别错误、误唤醒/唤醒失败等问题，甚至会进一步引起设备误动作等严重影响用户体验的情况发生。因此，如何更好的提高回波消除的性能，以便更好的提升语音交互的体验，是当前语音交互相关技术的关键。

发明内容

本申请提供一种用于提高回波消除性能的语音处理方法、装置及语音处理模型的生成方法、装置。

根据本申请的第一方面，提供了一种语音处理方法，包括：获取待处理的M个语音信号及N个参考信号，其中，M和N分别为大于或等于1的正整数；对每个所述语音信号及参考信号分别进行子带分解，以获取每个所述语音信号及参考信号中的各个频带分量；利用回波消除模型对每个所述语音信号及参考信号中的各个频带分量进行处理，以获取所述N个参考信号在每个所述语音信号的每个频带中对应的理想比值膜IRM；基于所述N个参考信号在每个所述语音信号的每个频带中对应的IRM，对每个所述语音信号的每个频带分量进行回波消除，以获取回波消除后的M个语音信号。

根据本申请的第二方面，提供了语音处理模型的生成方法，包括：获取训练数据集，其中，所述训练数据集的每组训练数据中包括参考信号、带回波的语音信号及标注理想比值膜IRM；对每组所述参考信号及带回波的语音信号分别进行子带分解，以获取每组所述参考信号及带回波的语音信号中的各个频带分量；利用初始神经网络模型，对每组所述参考信号及带回波的语音信号中的各个频带分量进行处理，以获取每组所述参考信号在所述带回波的语音信号的每个频带中对应的预测IRM；根据每组所述预测IRM与对应的标注IRM的差异,对所述初始神经网络模型进行反向梯度传播修正，以生成训练后的语音处理模型。

根据本申请的第三方面，提供了一种语音处理装置，包括：获取模块，用于获取待处理的M个语音信号及N个参考信号，其中，M和N分别为大于或等于1的正整数；第一处理模块，用于对每个所述语音信号及参考信号分别进行子带分解，以获取每个所述语音信号及参考信号中的各个频带分量；第二处理模块，用于利用回波消除模型对每个所述语音信号及参考信号中的各个频带分量进行处理，以获取所述N个参考信号在每个所述语音信号的每个频带中对应的理想比值膜IRM；第三处理模块，用于基于所述N个参考信号在每个所述语音信号的每个频带中对应的IRM，对每个所述语音信号的每个频带分量进行回波消除，以获取回波消除后的M个语音信号。

由此，基于真实的参考信号在语音信号的每个频带中对应的理想比值膜IRM，对语音信号的每个频带分量进行回波消除，无需依赖于任何模拟的信号，从而提高了回波消除的准确性和泛化性，改善了用户的使用体验。