[发明专利]语音信号处理方法、装置、系统及计算机可读存储介质

说明书

本发明公开了一种语音信号处理方法、装置、系统及计算机可读存储介质。方法包括：获取多通道混合语音信号，将所述多通道混合语音信号输入语音分离模型，分离得到目标语音信号和对应的目标角度信息；解析所述目标语音信号和所述目标角度信息，确定所述目标语音信号的声源的空间位置，根据所述目标语音的声源的空间位置判定确定所述目标语音信号的声源在不同时间段所落入的角色区分区域；根据所述目标语音信号的声源在相邻时间段所落入的角色区分区域对所述目标语音信号进行语音角色区分标记。实现在对语音信号分离的同时快速地对分离后的目标语音信号进行语音角色区分并进行标记，能够满足需要频繁切换语音角色的场景下的实时语音信号处理。

技术领域

本发明涉及人工智能领域，尤其涉及一种语音信号处理方法、装置、系统及计算机可读存储介质。

背景技术

现有技术中，现有的语音信号处理技术在识别单人语音时已经能够精确地进行识别了，但是当正在说话的用户为多人时，语音识别准确率就会极大地降低，其中一个解决方案为采用深度学习来对语音信号进行分离，但是现有的深度学习算法需要进行大量运算，从而导致增加计算时延，其中一些算法甚至只能在离线模式下才能运行，无法适用于需要实时进行语音识别的应用场景，此外，现有的处理语音信号的深度学习算法在分离语音信号后，并不能对语音信号进行有效的说话人区分，或者对用户的人数、发言位置以及发言时间有严格的要求，严重增加了用户的操作负担，用户体验不佳。

发明内容

本发明的主要目的在于提供一种语音信号处理方法，旨在解决现有技术不能实现的技术问题。

为实现上述目的，本发明提供一种语音信号处理方法，包括以下内容：

获取多通道混合语音信号，将所述多通道混合语音信号输入语音分离模型，分离得到目标语音信号和对应的目标角度信息，其中，所述目标角度信息为反映所述目标语音信号的声源所处的空间位置的角度信息；

解析所述目标语音信号和所述目标角度信息，确定所述目标语音信号的声源的空间位置，根据所述目标语音的声源的空间位置判定所述目标语音信号的声源在不同时间段所落入的角色区分区域；

根据所述目标语音信号在相邻时间段所落入的角色区分区域对所述目标语音信号进行语音角色区分标记。

其中，所述解析所述目标语音信号和所述目标角度信息，确定所述目标语音信号的声源的空间位置，根据所述目标语音的声源的空间位置判定所述目标语音信号的声源在不同时间段所落入的角色区分区域步骤包括：

获取所述多通道混合语音信号所在的声源房间的空间信息，根据所述声源房间的空间信息预先建立角色区分平面坐标系，其中，所述角色区分平面坐标系覆盖所述声源房间；

根据所述角色区分平面坐标系，将所述声源房间均分为多个角度相等的平面区域；

将所述平面区域进行标记，生成携带序号的所述角色区分区域；

根据所述目标角度信息和所述目标语音信号携带的时序信息，确定在所述时序信息对应的时间段内，所述目标语音信号落入的角色区分区域；

对落入所述角色区分区域的所述目标语音信号进行语音角色编号标记。

其中，所述根据所述目标语音信号的声源在相邻时间段所落入的角色区分区域对所述目标语音信号进行语音角色区分标记步骤包括：

确定当前时间段所述目标语音信号的声源所落入的角色区分区域，获取所述当前时间段的角色区分区域序号；

对比所述当前时间段的角色区分区域和上一时间段的目标语音信号的声源所落入的角色区分区域；

若对比结果为所述当前时间段的角色区分区域序号和上一时间段的角色区分区域序号相等或序号之差的绝对值为1或0，确定所述目标语音信号在当前时间段和上一时间段所处的角色区分区域相同或相邻；