[发明专利]语音处理方法、装置、电子设备及存储介质

说明书

本公开关于一种语音处理方法、装置、电子设备及存储介质，所述语音处理方法，包括：获取带噪语音信号，其中，所述带噪语音信号包括语音信号、稳态噪声信号和非稳态噪声信号；通过对所述带噪语音信号执行用于去除稳态噪声信号的第一降噪处理，获得第一降噪信号；通过对所述第一降噪信号执行用于去除非稳态噪声信号的第二降噪处理，获得第二降噪信号。

技术领域

本公开涉及信号处理领域，尤其涉及一种语音处理方法、装置、电子设 备及存储介质。

背景技术

短视频已经成为当今社会人们获取信息和休闲娱乐的主要方式。在短视 频的内容制作过程中，能否很好的完成语音降噪，也成为影响用户体验的一 个重要因素。在短视频场景，对于降噪通常有两种典型的需求。第一种是传 统意义的语音降噪，保留语音的同时去除所有噪声；第二种是稳态降噪，只 去除音频中平稳的噪声成分(环境背景声，如空调)，同时保留语音和非平稳 噪声(瞬时噪声，如敲击声、咀嚼声)。第二种应用的典型短视频场景包括吃 播，手工制作讲解等。然而，目前的语音降噪方式或者直接去除所有噪声(即， 传统意义的语音降噪)，或者直接进行稳态降噪，而未结合传统意义的语音降 噪和稳态降噪的关系，使得仍然无法在满足正常语音降噪和稳态降噪的不同 需求的情况下以较低的计算复杂度提供较好的降噪效果。

发明内容

本公开提供一种语音处理方法、装置、电子设备及存储介质，以至少解 决相关技术中的无法在满足正常语音降噪和稳态降噪的不同需求的情况下以 较低的计算复杂度提供较好的降噪效果的问题。

根据本公开实施例的第一方面，提供了一种语音处理方法，所述语音处 理方法包括：获取带噪语音信号，其中，所述带噪语音信号包括语音信号、 稳态噪声信号和非稳态噪声信号；通过对所述带噪语音信号执行用于去除稳 态噪声信号的第一降噪处理，获得第一降噪信号；通过对所述第一降噪信号 执行用于去除非稳态噪声信号的第二降噪处理，获得第二降噪信号。

可选地，使用语音降噪模型执行第一降噪处理和第二降噪处理，其中， 所述语音降噪模型包括用于执行第一降噪处理的第一降噪模型和用于执行第 二降噪处理的第二降噪模型，所述第二降噪模型基于所述第一降噪模型的输 出信号来获得所述第二降噪信号。

可选地，所述通过对所述带噪语音信号执行用于去除稳态噪声信号的第 一降噪处理，获得第一降噪信号，包括：基于所述带噪语音信号利用所述第 一降噪模型获得第一掩蔽矩阵，并且基于所述第一掩蔽矩阵和所述带噪语音 信号获得所述第一降噪信号，

所述通过对所述第一降噪信号执行用于去除非稳态噪声信号的第二降噪 处理，获得第二降噪信号，包括：基于所述第一降噪信号利用所述第二降噪 模型获得第二掩蔽矩阵，并且基于所述第二掩蔽矩阵和所述第一降噪信号来 获得所述第二降噪信号。

可选地，所述第一降噪模型包括第一特征提取网络和第一降噪网络，所 述基于所述带噪语音信号利用所述第一降噪模型获得第一掩蔽矩阵，包括： 利用所述第一特征提取网络提取所述带噪语音信号的特征，得到第一特征输 出；将所述第一特征输出输入至所述第一降噪网络，获得所述第一掩蔽矩阵。

可选地，所述第二降噪模型包括第二特征提取网络和第二降噪网络，

所述基于第一降噪信号利用所述第二降噪模型获得第二掩蔽矩阵，包括： 利用所述第二特征提取网络提取所述第一降噪信号的特征，得到第二特征输 出；将所述第二特征输出输入至所述第二降噪网络，获得所述第二掩蔽矩阵。

可选地，所述第二降噪模型包括第二特征提取网络、特征融合网络和第 二降噪网络，

所述基于所述第一降噪信号利用所述第二降噪模型获得第二掩蔽矩阵， 包括：利用所述第二特征提取网络提取所述第一降噪信号的特征，得到第二 特征输出；利用所述特征融合网络将所述第一特征输出与所述第二特征输出 进行融合，得到融合后的特征；将所述融合后的特征输入至所述第二降噪网 络，获得所述第二掩蔽矩阵。