[发明专利]一种音频处理方法、装置、设备及可读存储介质

说明书

本发明实施例提供了一种音频处理方法、装置、设备及可读存储介质，该方法包括：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。本发明实施例能够提升语音增强的鲁棒性。

技术领域

本发明涉及通信技术领域，特别是涉及一种音频处理方法、一种音频处理装置、一种设备和一种可读存储介质。

背景技术

随着通信技术的快速发展，诸如手机、平板电脑等终端越来越普及，给人们的生活、学习、工作带来了极大的便利。

这些终端通常可以通过麦克风收集语音信号，使用语音增强技术对收集到的语音信号进行处理，以降低噪声干扰的影响。具体的，麦克风收集到的语音信号通常夹杂着环境噪声等干扰语音信号，因此终端需要使用语音增强技术对收集到的语音信号进行处理。

目前，已有的基于深度学习的语音增强技术通常都是先提取语音的频域特征，即将输入的语音信号从时域变换到频域，确定出语音的频域特征，然后再使用深度学习方法对语音的频域特征进行降噪处理，得到增强后的语音信号，随后再将增强后的语音信号从频域变换回时域进行输出。

发明内容

本发明实施例所要解决的技术问题是提供一种音频处理方法，以提升语音增强的鲁棒性。

相应的，本发明实施例还提供了一种音频处理装置、一种设备以及一种可读存储介质，用以保证上述方法的实现及应用。

为了解决上述问题，本发明实施例公开了一种音频处理方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。