[发明专利]一种语音处理方法、装置和电子设备

说明书

本发明实施例提供了一种语音处理方法、装置和电子设备，其中，所述方法包括：获取至少一组语音训练数据，所述语音训练数据包括：带噪声的样本语音数据和带噪声的参考语音数据；依据所述带噪声的样本语音数据对语音增强模型进行前向训练，得到所述语音增强模型输出的预测语音数据；依据所述带噪声的参考语音数据和预测语音数据，对所述语音增强模型进行后向训练；相对于现有技术采用干净的语音数据对语音增强模型进行后向训练而言，本发明实施例无需获取干净的语音数据，降低了获取语音训练数据的成本、复杂度和时长，能够提高模型训练的效率。

技术领域

本发明涉及数据处理技术领域，特别是涉及一种语音处理方法、装置和电子设备。

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。其中，语音增强是指当语音信号被各种各样的噪声干扰、甚至淹没后，从噪声背景中提取有用的语音信号，抑制、降低噪声干扰的技术。

目前，终端通常是使用语音增强模型来去除噪声，实现语音增强；其中，需要预先收集训练数据(包括干净语音信号和带噪语音信号)，然后采用训练数据对语音增强模型进行训练，使得语音增强模型能够实现语音增强。其中，干净的语音信号需要在没有噪声的环境中得到(如在录音房录制得到)，而带噪语音信号则需要基于干净的语音信号加噪得到；可见，训练数据生成方法复杂、耗费时间长，使得模型训练效率低。

发明内容

本发明实施例提供一种语音处理方法，以提高模型训练效率。

相应的，本发明实施例还提供了一种语音处理装置和一种电子设备，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语音处理方法，具体包括：获取至少一组语音训练数据，所述语音训练数据包括：带噪声的样本语音数据和带噪声的参考语音数据；依据所述带噪声的样本语音数据对语音增强模型进行前向训练，得到所述语音增强模型输出的预测语音数据；依据所述带噪声的参考语音数据和预测语音数据，对所述语音增强模型进行后向训练。

可选地，所述依据所述带噪声的样本语音数据对语音增强模型进行前向训练，得到所述语音增强模型输出的预测语音数据，包括：将所述带噪声的样本语音数据输入至语音增强模型中，得到所述语音增强模型输出的预测语音数据；所述依据所述带噪声的参考语音数据和预测语音数据，对所述语音增强模型进行后向训练，包括：确定所述带噪声的参考语音数据和预测语音数据之间的误差信息，依据所述误差信息对所述语音增强模型的参数进行调整。

可选地，所述预测语音数据包括频域预测特征信息，所述依据所述带噪声的样本语音数据对语音增强模型进行前向训练，得到所述语音增强模型输出的预测语音数据，包括：对所述样本语音数据进行频域变换得到频域样本语音数据，从所述频域样本语音数据中提取特征得到频域样本特征信息；将所述频域样本特征信息输入至语音增强模型中，得到所述语音增强模型输出的频域预测特征信息；所述依据所述带噪声的参考语音数据和预测语音数据，对所述语音增强模型进行后向训练，包括：对所述参考语音数据进行频域变换得到所述频域参考语音数据，从所述频域参考语音数据中提取特征得到频域参考特征信息；确定所述频域参考特征信息和频域预测特征信息之间的误差信息，依据所述误差信息对所述语音增强模型的参数进行调整。

可选地，所述方法还包括：获取待识别语音数据；依据训练后的语音增强模型对所述待识别语音数据进行语音增强，得到目标语音数据；依据所述目标语音数据进行输出。

可选地，一组语音训练数据中带噪声的参考语音数据包括多个，每个带噪声的参考语音数据中噪声部分的全部或部分不同。

可选地，每个带噪声的参考语音数据所包含的噪声部分能量与语音部分能量的比值小于或等于设定能量阈值。