[发明专利]一种基于时域的第三者插话语音过滤方法

说明书

本发明提供一种基于时域的第三者插话语音过滤方法，该方法包括：用户将语音录入第三者插话语音过滤系统；第三者插话语音过滤系统提取用户声音的声纹特征向量并储存在第三者插话语音过滤系统数据库中；第三者插话语音过滤系统接收用户语音和不属于用户的语音结合的混合语音；第三者插话语音过滤系统根据用户声纹特征过滤混合语音中不属于用户的语音得到纯净的用户语音。本发明过滤效果上比SpEx+模型更好，能够满足智能语音客服系统过滤性能及推理要求。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于时域的第三者插话语音过滤方法。

背景技术

目前的语音过滤主流模型，如SpEx+模型，其推理速度快，但是模型过滤性能还不佳。DPRNN-Spe-IRA模型基于SpEx+改进，过滤性能得到一定幅度提升，但是由于BLSTM结构的引入，其推理速度太慢。目前，在智能语音客服场景中，要求第三者插话语音过滤推理速度快，过滤效果好。因此已有技术很难在智能语音客服系统上实施应用。本发明结合改进后的SpEx+模型，引入迭代优化机制IRA，提出一种基于时域的第三者插话语音过滤方法，能够满足智能语音客服系统过滤性能及推理要求。该方法结合SpEx+模型框架，在语音过滤模块采用TCN作为基础模块提取语音特征，相比BLSTM能够提升推理速度；对声纹分类器进行改进，采用时延神经网络(time delay nerual network,TDNN)作为基础模块对每个隐层的输出都在时域进行扩展，相比原SpEx+模型声纹分类器中采用的Resnet网络结构，声纹分类器提取目标人声纹特征性能得到进一步优化；最后采用迭代优化机制IRA，使得声纹分类器和语音过滤模块不断互相优化和更新，增强提取的目标语音过滤效果。因此，本发明提出的第三者插话语音过滤方法在过滤效果上比SpEx+模型更好，在推理速度上比DPRNN-Spe-IRA模型更快，能够满足智能语音客服系统过滤性能及推理要求。

发明内容

本发明的目的是提供一种基于时域的第三者插话语音过滤方法，该方法过滤效果上比SpEx+模型更好，能够满足智能语音客服系统过滤性能及推理要求。

一种基于时域的第三者插话语音过滤方法，包括：

用户将语音录入第三者插话语音过滤系统；

第三者插话语音过滤系统提取用户声音的声纹特征向量并储存在第三者插话语音过滤系统数据库中；

第三者插话语音过滤系统接收用户语音和不属于用户的语音结合的混合语音；

第三者插话语音过滤系统根据用户声纹特征过滤混合语音中不属于用户的语音得到纯净的用户语音。

第三者插话语音过滤系统提取用户声音的声纹特征向量并储存在第三者插话语音过滤系统数据库中包括：

第三者插话语音过滤系统将用户录入的语音的原始时域信号转化为高维语音信号；

第三者插话语音过滤系统将高维语音信号进行特征提取，获得用户声纹特征向量；

第三者插话语音过滤系统将用户声纹特征向量储存在第三者插话语音过滤系统数据库中。

第三者插话语音过滤系统将用户录入的语音的原始时域信号转化为高维语音信号包括：

采用一个一维卷积网络，缩减模型尺寸，卷积步长设定为卷积核大小的一半，设用户语音原始时域信号x经过编码器输出的特征为F_encoder；

F_encoder＝Conv_K12C256(x)，其中Conv_K12C256(*)表示卷积核大小为12，通道数为256的一维卷积网络；

混合语音x_mix和用户语音x_aux经过编码器得到高维语音信号表示F_mix和F_aux。