[发明专利]一种音频数据的处理方法、装置及设备

说明书

本申请提供一种音频数据的处理方法、装置及设备，该方法包括：在降噪应用场景中，获取存在噪声的待处理音频数据；确定与所述待处理音频数据对应的音频特征向量；将所述音频特征向量输入给已训练的目标声码器模型，由所述目标声码器模型输出与所述音频特征向量对应的目标音频数据；其中，所述目标音频数据是对所述待处理音频数据的噪声进行降噪处理后的音频数据。通过本申请的技术方案，通过语音合成方式直接合成目标音频数据，不需要关注待处理音频数据中的噪声本身，只需要将音频特征向量输入给目标声码器模型，就能够用语音合成方式来生成目标音频数据，语音降噪的可靠性更高。

技术领域

本申请涉及语音处理领域，尤其是一种音频数据的处理方法、装置及设备。

背景技术

在语音通话、视频会议、广播、家庭影院等音频系统中，经常会出现音频噪声等问题。比如说，接地不当产生的音频噪声、电磁辐射干扰产生的音频噪声、设备内部电路产生的音频噪声、电源干扰产生的音频噪声等。

为了去除音频数据中的噪声，提高音频数据的质量，就需要对音频数据进行降噪处理，得到去除噪声的音频数据。为了对音频数据进行降噪处理，可以采用单通道信号处理的降噪算法，如维纳滤波算法和谱减算法等，也可以采用多通道信号处理的降噪算法，如波束形成算法和盲源分离算法等。

但是，上述降噪算法均是直接对音频数据中的噪声进行降噪处理，存在无法对音频数据进行有效降噪，降噪效果不好等问题。比如说，若音频数据中存在非平稳噪声，则维纳滤波算法、谱减算法、波束形成算法和盲源分离算法等降噪算法，均无法对音频数据中的非平稳噪声进行降噪，降噪效果较差。

发明内容

本申请提供一种音频数据的处理方法，所述方法包括：

在降噪应用场景中，获取存在噪声的待处理音频数据；

确定与所述待处理音频数据对应的音频特征向量；

将所述音频特征向量输入给已训练的目标声码器模型，由所述目标声码器模型输出与所述音频特征向量对应的目标音频数据；其中，所述目标音频数据是对所述待处理音频数据的噪声进行降噪处理后的音频数据。

示例性的，所述目标声码器模型的训练过程，包括：

获取样本音频数据和所述样本音频数据对应的样本文本数据；

获取与所述样本文本数据对应的文本特征向量；

将所述文本特征向量输入给初始声码器模型，由所述初始声码器模型输出与所述文本特征向量对应的初始音频数据；

基于所述样本音频数据和所述初始音频数据对所述初始声码器模型进行训练，得到已训练的所述目标声码器模型。

示例性的，所述基于所述样本音频数据和所述初始音频数据对所述初始声码器模型进行训练，得到已训练的所述目标声码器模型，包括：

基于所述样本音频数据和所述初始音频数据确定目标损失值；

基于所述目标损失值确定所述初始声码器模型是否已收敛；

若否，则基于所述目标损失值对所述初始声码器模型的参数进行调整，得到调整后的声码器模型，将调整后的声码器模型作为初始声码器模型，返回执行将所述文本特征向量输入给初始声码器模型的操作；

若是，则将已收敛的初始声码器模型确定为所述目标声码器模型。

示例性的，所述将所述文本特征向量输入给初始声码器模型，由所述初始声码器模型输出与所述文本特征向量对应的初始音频数据，包括：