[发明专利]语音编码、解码方法、装置、计算机设备和存储介质在审
申请号: | 202210134733.9 | 申请日: | 2022-02-14 |
公开(公告)号: | CN116631418A | 公开(公告)日: | 2023-08-22 |
发明(设计)人: | 梁俊斌 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G10L19/02 | 分类号: | G10L19/02;G10L19/032 |
代理公司: | 华进联合专利商标代理有限公司 44224 | 代理人: | 毛丹 |
地址: | 518057 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 语音 编码 解码 方法 装置 计算机 设备 存储 介质 | ||
1.一种语音编码方法,其特征在于,所述方法包括:
基于待编码的初始语音信号进行信号子带分解,得到所述初始语音信号对应的第一子带激励信号和第二子带激励信号;所述第二子带激励信号对应的频率值高于所述第一子带激励信号对应的频率值;
按照第一量化精度将所述第一子带激励信号进行量化处理,得到所述第一子带激励信号对应的第一激励量化信号;
按照第二量化精度将所述第二子带激励信号进行量化处理,得到所述第二子带激励信号对应的第二激励量化信号;所述第一量化精度大于所述第二量化精度;
基于所述第一激励量化信号和所述第二激励量化信号,得到所述初始语音信号对应的目标编码数据。
2.根据权利要求1所述的方法,其特征在于,所述按照第一量化精度将所述第一子带激励信号进行量化处理,得到所述第一子带激励信号对应的第一激励量化信号,包括:
获取基于所述第一量化精度构建的第一量化映射关系,基于所述第一量化映射关系将所述第一子带激励信号进行量化处理,得到所述第一子带激励信号对应的第一激励量化信号;
所述按照第二量化精度将所述第二子带激励信号进行量化处理,得到所述第二子带激励信号对应的第二激励量化信号,包括:
获取基于所述第二量化精度构建的第二量化映射关系,基于所述第二量化映射关系将所述第二子带激励信号进行量化处理,得到所述第二子带激励信号对应的第二激励量化信号。
3.根据权利要求2所述的方法,其特征在于,所述获取基于所述第一量化精度构建的第一量化映射关系,基于所述第一量化映射关系将所述第一子带激励信号进行量化处理,得到所述第一子带激励信号对应的第一激励量化信号,包括:
获取第一目标码本,从所述第一目标码本中搜索得到与所述第一子带激励信号匹配的第一目标矢量,基于所述第一目标码本中与所述第一目标矢量对应的码本序号得到第一激励量化信号;
所述基于所述第二量化映射关系将所述第二子带激励信号进行量化处理,得到所述第二子带激励信号对应的第二激励量化信号,包括:
获取第二目标码本,从所述第二目标码本中搜索得到与所述第二子带激励信号匹配的第二目标矢量,将所述第二目标码本中与所述第二目标矢量对应的码本序号作为第二激励量化信号;
其中,所述第二目标码本的码本尺寸小于第一目标码本的码本尺寸。
4.根据权利要求3所述的方法,其特征在于,所述从所述第一目标码本中搜索得到与所述第一子带激励信号匹配的第一目标矢量,基于所述第一目标码本中与所述第一目标矢量对应的码本序号得到第一激励量化信号,包括:
从所述第一目标码本中搜索得到与所述第一子带激励信号匹配的第一目标矢量,获取所述第一目标码本中与所述第一目标矢量对应的第一码本序号;
获取所述第一目标矢量与所述第一子带激励信号之间的误差矢量;
从所述第一目标码本中搜索得到与所述误差矢量匹配的第二目标矢量,获取所述第一目标码本中与所述第二目标矢量对应的第二码本序号;
将所述第一码本序号以及所述第二码本序号作为所述第一激励量化信号。
5.根据权利要求3所述的方法,其特征在于,所述第一目标码本和第二目标码本的生成步骤包括:
获取训练语音信号集合、第一目标码本的第一码本尺寸以及所述第二目标码本的第二码本尺寸;
基于所述训练语音信号集合中的训练语音信号进行信号子带分解,得到所述训练语音信号对应的第一子带训练信号和第二子带训练信号;
基于所述第一子带训练信号进行聚类,得到第一数量的第一聚类簇;所述第一数量与所述第一码本尺寸匹配;
基于所述第二子带训练信号进行聚类,得到第二数量的第二聚类簇;所述第二数量与所述第二码本尺寸匹配;
对于所述第一聚类簇,将所述第一聚类簇的聚类中心确定为第一码本矢量,将所述第一码本矢量与第一码本序号集合中的一个第一码本序号建立关联关系,以得到所述第一目标码本;
对于所述第二聚类簇,将所述第二聚类簇的聚类中心确定为第二码本矢量,将所述第二码本矢量与第二码本序号集合中的一个第二码本序号建立关联关系,以得到所述第二目标码本。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210134733.9/1.html,转载请声明来源钻瓜专利网。