[发明专利]一种音频处理方法、装置、设备及可读存储介质

权利要求书

1.一种音频处理方法，其特征在于，包括：

获取麦克风采集到的语音时域信号，所述语音时域信号包含带时域信息的噪语音信号和目标用户的语音信号；

依据预先训练的语音增强模型对所述语音时域信号进行处理，得到所述目标用户对应的目标语音信号；

依据所述目标语音信号进行输出。

2.根据权利要求1所述的方法，其特征在于，所述依据预先训练的语音增强模型对所述语音时域信号进行处理，得到所述目标用户对应的目标语音信号，包括：

将所述语音时域信号输入到预先训练的语音增强模型；

通过所述语音增强模型对所述语音时域信号进行降噪处理，得到所述目标用户对应的目标语音信号。

3.根据权利要求2所述的方法，其特征在于，所述通过所述语音增强模型对所述语音时域信号进行降噪处理，得到所述目标用户对应的目标语音信号，包括：

基于所述语音时域信号的时域波形，确定时域特征信息；

通过所述语音增强模型，依据所述时域特征信息对所述语音时域信号进行降噪处理，得到所述目标用户对应的目标语音信号。

4.根据权利要求3所述的方法，其特征在于，所述通过所述语音增强模型，依据所述时域特征信息对所述语音时域信号进行降噪处理，得到所述目标用户对应的目标语音信号，包括：

依据所述时域特征信息，通过所述语音增强模型中的生成器对所述语音时域信号进行模拟，生成模拟语音时域信号；

通过所述语音增强模型中的辨别器，判断所述模拟语音时域信号是否是符合预设的干净语音信号条件；

若所述模拟语音时域信号不符合所述干净语音信号条件，则通过所述生成器对所述模拟语音时域信号重新进行模拟，直到生成的模拟语音时域信号符合预设的干净语音信号条件；

将符合预设的干净语音信号条件的模拟语音时域信号，确定为所述目标用户对应的目标语音信号。

5.根据权利要求1至4任一所述的方法，其特征在于，还包括：

对预先设置的干净语音时域信号进行噪声加噪，生成对应的带噪语音时域信号；

确定所述干净语音时域信号对应的时域特征信息；

依据所述时域特征信息和所述带噪语音时域信号进行模型训练，生成所述语音增强模型，其中，所述语音增强模型包括：卷积神经网络模型或生成对抗网络模型。

6.根据权利要求1至4任一所述的方法，其特征在于，依据所述目标语音信号进行输出，包括：

依据所述目标语音信号进行语音输出；和/或者，

对所述目标语音信号进行语音识别，生成识别结果；输出所述识别结果。

7.一种音频处理装置，其特征在于，包括：

时域信号获取模块，用于获取麦克风采集到的语音时域信号，所述语音时域信号包含时域信息的带噪语音信号和目标用户的语音信号；

时域信号处理模块，用于依据预先训练的语音增强模型对所述语音时域信号进行处理，得到所述目标用户对应的目标语音信号；

输出模块，用于依据所述目标语音信号进行输出。

8.根据权利要求7所述的装置，其特征在于，所述时域信号处理模块包括：

输入子模块，用于将所述语音时域信号输入到预先训练的语音增强模型；

降噪子模块，用于通过所述语音增强模型对所述语音时域信号进行降噪处理，得到所述目标用户对应的目标语音信号。

9.一种设备，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

获取麦克风采集到的语音时域信号，所述语音时域信号包含时域信息的带噪语音信号和目标用户的语音信号；

依据预先训练的语音增强模型对所述语音时域信号进行处理，得到所述目标用户对应的目标语音信号；

依据所述目标语音信号进行输出。

10.一种可读存储介质，其特征在于，当所述存储介质中的指令由设备的处理器执行时，使得设备能够执行如方法权利要求1-6中的一个或多个所述的音频处理方法。