[发明专利]通过计算机识别后重新生成进行语音音频增强的方法

说明书

本发明公开了通过计算机识别后重新生成进行语音音频增强的方法，涉及计算机音频增强处理系统技术领域，具体为通过计算机识别后重新生成进行语音音频增强的方法，包括以下步骤：S1、输入语音音频数据；S2、将语音音频进行分割处理；S3、将分割音频进行计算机识别处理；S4、对计算机识别结果做修正处理；S5、结合识别结果和其他标记数据进行计算机语音合成生成增强后语音音频。该通过计算机识别后重新生成进行语音音频增强的方法，通过计算机识别语音内容成分，并使用获取到的内容成分进行计算机生成语音，从而达到对音频中语音内容的直接增强；通过计算机生成语音，可以对语音增强结果进行高度的自定义化效果，而并不用依赖于音频素材本身。

技术领域

本发明涉及计算机音频增强处理系统技术领域，具体为通过计算机识别后重新生成进行语音音频增强的方法。

背景技术

目前，语音增强大多是采用算法进行环境降噪、滤波、分频、压限等方式，或通过使用硬件混合处理的方法降噪并增强说话人语音。

传统语音增强方法更多是通过对音频信号本身进行处理而进行的，通过间接的方式增强说话人的语音内容，而不能直接的提取出音频信号中的语音内容进行增强，这会使得语音增强过程中得到一些并不想要的声音结果，且增强效果不稳定，无法保证在不同环境中获得稳定的语音增强效果，增强后的语音对于人类的听觉识别的优化较为有限，无法很好的起到增强人类语音理解力的作用。

发明内容

针对现有技术的不足，本发明提供了通过计算机识别后重新生成进行语音音频增强的方法，解决了上述背景技术中提出现有传统语音增强方法更多是通过对音频信号本身进行处理而进行的，通过间接的方式增强说话人的语音内容，而不能直接的提取出音频信号中的语音内容进行增强，这会使得语音增强过程中得到一些并不想要的声音结果，且增强效果不稳定，无法保证在不同环境中获得稳定的语音增强效果，增强后的语音对于人类的听觉识别的优化较为有限，无法很好的起到增强人类语音理解力的作用的问题。

为实现以上目的，本发明通过以下技术方案予以实现：通过计算机识别后重新生成进行语音音频增强的方法，包括以下步骤：

S1、输入语音音频数据；

S2、将语音音频进行分割处理；

S3、将分割音频进行计算机识别处理；

S4、对计算机识别结果做修正处理；

S5、结合识别结果和其他标记数据进行计算机语音合成生成增强后语音音频。

可选的，所述通过计算机识别后重新生成进行语音音频增强的方法，具体包括一下步骤：

S1、输入语音音频数据：输入一段完整的语音音频；

S2、将语音音频进行分割处理：将步骤S1、输入语音音频数据中的完整音频，根据说话的断句判断其分割点，记录下相应的时间戳、时长、相对位置等标记数据，并对音频本身进行切分；

S3、将分割音频进行计算机识别处理：将分割后的音频，通过计算机语音转换技术，将音频内容转换成文字或等价的语音标记元素如字符、拼音、音标、罗马音、发音标记等；

S4、对计算机识别结果做修正处理：根据上下文分析和发音规律分析等将可能产生误识别的语音标记元素修正为更有可能是正确的语音标记元素；

S5、结合识别结果和其他标记数据进行计算机语音合成生成增强后语音音频：根据步骤S4、对计算机识别结果做修正处理中产生的语音生成标记，使用计算机进行语音合成，生成语音音频结果。

可选的，所述步骤S3、将分割音频进行计算机识别处理的进一步包括：将分割音频进行语音情绪、语调、性别等语音特征进行识别。

可选的，所述将分割音频进行语音情绪、语调、性别等语音特征进行识别具体包括以下步骤：为了能获得更好的语音生成效果，减少生成语音与原说话人之间的声音差异，以及避免情绪等信息的传达缺失，以及将原音频中说话人在该段音频中的语音特征提取出来，以便按照相似的特征进行语音生成。