[发明专利]用于数据增强的语音加噪方法及系统

摘要

本发明实施例提供一种用于数据增强的语音加噪方法。该方法包括：将无噪音频和带噪音频的说话人向量输入至条件变分自编码模型，对模型编码器输出的向量均值以及方差向量随机高斯分布采样，得到噪音隐向量；将噪音隐向量和无噪音频输入至模型，通过模型解码器输出拟噪音频；基于拟噪音频和带噪音频训练条件该模型，对得到多种噪音隐向量建模，得到噪音隐变量空间；在噪音隐变量空间中随机采样作为加噪隐向量，将加噪隐向量和无噪音频输入至模型解码器，得到用于数据增强的新带噪音频。本发明实施例还提供一种用于数据增强的语音加噪系统。本发明实施例在说话人向量上建模，通过隐空间特征提取，产生更多样的噪声数据，提升语音识别模型的鲁棒性。

主权项

1.一种用于数据增强的语音加噪方法，包括：将无噪音频的说话人向量作为所述条件变分自编码模型的条件，将通过所述无噪音频加噪生成的带噪音频的说话人向量以及所述条件输入至条件变分自编码模型，对所述变分自编码模型的编码器输出的向量均值以及方差向量进行随机高斯分布采样，得到噪音隐向量；将所述噪音隐向量以及条件输入至所述条件变分自编码模型，通过所述条件变分自编码模型的解码器输出用于恢复所述带噪音频的拟噪音频；基于所述拟噪音频以及带噪音频训练所述条件变分自编码模型，得到多种噪音隐向量，响应于所述模型的训练完成，对所述噪音隐向量建模，得到噪音隐变量空间；在所述噪音隐变量空间的标准正太分布中随机采样作为加噪隐向量，将所述加噪隐向量以及无噪音频输入至所述条件变分自编码模型的解码器中，得到用于数据增强的新的带噪音频。