[发明专利]语音增强模型的训练、增强方法、装置、设备、介质

说明书

本申请提供了一种语音增强模型的训练、增强方法、装置、设备、介质；其中，语音增强模型的训练方法包括：基于带噪语音信号的带噪语音特征，调用语音增强模型进行处理，得到听觉域的多个第一预测掩码值；获取带噪语音信号的每个频点对应的第一幅值和第一相位、以及纯净语音信号的每个频点对应的第二幅值和第二相位；基于每个频点对应的第一相位和第二相位，确定在每个频点的相位差，并基于每个频点的相位差对对应的第二幅值进行修正处理，得到每个频点对应的修正后第二幅值；基于多个第一预测掩码值、每个频点对应的第一幅值以及修正后第二幅值，确定损失值；基于损失值更新语音增强模型的参数。通过本申请能够提升语音增强模型的降噪效果。

技术领域

本申请涉及人工智能技术，尤其涉及一种语音增强模型的训练、增强方法、装置、设备、介质。

背景技术

人工智能（Artificial Intelligence，AI）是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，例如自然语言处理技术以及机器学习/深度学习等几大方向，随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。

随着深度学习的飞速发展，深度学习在语音增强领域的应用日益增多。相关技术中，基于深度学习的语音增强模型对复杂场景下的带噪语音信号进行语音增强处理（即降噪处理），得到的语音信号的降噪效果不理想。

发明内容

本申请实施例提供一种语音增强模型的训练方法、语音增强方法、装置、电子设备、计算机可读存储介质及计算机程序产品，通过在训练语音增强模型的损失函数中融入相位信息，显著提升了语音增强模型的降噪效果。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种语音增强模型的训练方法，包括：

基于带噪语音信号的带噪语音特征，调用语音增强模型进行语音增强处理，得到听觉域的多个第一预测掩码值；其中，不同的所述第一预测掩码值对应所述听觉域的不同频带；

获取所述带噪语音信号的每个频点对应的第一幅值和第一相位、以及对应的纯净语音信号的每个所述频点对应的第二幅值和第二相位；

基于每个所述频点对应的所述第一相位和所述第二相位，确定所述纯净语音信号和所述带噪语音信号在每个所述频点的相位差，并基于每个所述频点的相位差对所述频点对应的所述第二幅值进行修正处理，得到每个所述频点对应的修正后第二幅值；

基于所述多个第一预测掩码值、每个所述频点对应的所述第一幅值以及所述修正后第二幅值，确定损失值；

基于所述损失值在所述语音增强模型中进行反向传播，以更新所述语音增强模型的参数。

本申请实施例还提供一种语音增强处理方法，包括：

基于待处理语音信号的待处理语音特征，调用语音增强模型进行语音增强处理，得到听觉域的多个掩码值；其中，所述语音增强模型是通过本申请实施例提供的语音增强模型的训练方法训练得到的；

基于所述听觉域的所述多个掩码值进行内插处理，得到内插处理结果；

基于所述内插处理结果与所述待处理语音信号的相位进行信号重建处理，得到增强后语音信号。

本申请实施例提供一种语音增强模型的训练装置，包括：

增强模块，用于基于带噪语音信号的带噪语音特征，调用语音增强模型进行语音增强处理，得到听觉域的多个第一预测掩码值；其中，不同的所述第一预测掩码值对应所述听觉域的不同频带；

获取模块，用于获取所述带噪语音信号的每个频点对应的第一幅值和第一相位、以及对应的纯净语音信号的每个所述频点对应的第二幅值和第二相位；