[发明专利]多通道带噪语音的生成方法及系统

说明书

本发明实施例提供一种多通道带噪语音的生成方法。该方法包括：接收用于采集唤醒词的第一录音设备在安静环境下录制的近场单通道纯语音音频集合；对各音频计算各预设场景内的混响，与各音频根据远场衰减后的直达音频叠加，确定混响环境下的远场单通道纯语音音频集合；根据采集噪音的第二录音设备的相位延迟函数，将远场单通道纯语音音频集合模拟为第二录音设备录制的远场多通道纯语音音频集合；对其进行混音处理，批量生成远场多通道带噪语音音频。本发明实施例还提供一种多通道带噪语音的生成系统。本发明实施例对普通设备录制的音频适配调整，降低了唤醒词训练中对录音设备配置需求，人员无需到录音现场录音，提高了多通道带噪语音的收集效率。

技术领域

本发明涉及唤醒词定制领域，尤其涉及一种多通道带噪语音的生成方法及系统。

背景技术

唤醒词定制需要获取大量的带噪语音音频，需要把录音设备放置在噪声环境中，同时需要人员在一定距离说出唤醒词，通过录音设备录制多通道的带噪语音数据。

改进版的唤醒词定制中，首先需要在录音设备旁边放置环境噪声源，录音设备录制纯噪声的多通道音频数据，然后再录制安静环境下的人员在一定距离说出的唤醒词，作为多通道纯语音数据，最后，将纯噪声的多通道音频数据和多通道纯语音数据按照一定方式进行混音，得到多通道带噪语音数据。

传统唤醒词定制同时录制人声和噪声，人员需要在不同噪声场景进行多次录制。而改进版唤醒词定制可分开录制人声和噪声，且噪声和人声通过混音而得到多通道带噪语音，人员只需要在安静场景进行一次录制，即可得到人员在不同噪声场景下的带噪语音。

在实现本发明过程中，发明人发现相关技术中至少存在如下问题：

对特定设备的唤醒词定制通常需要上百数量的录音人数，一般的唤醒词定制项目要求带噪语音在较短的时间内收集完毕，由于带噪语音的音质、参数等需求，需要人员到达录音现场进行集中录音，由于特定的录音设备数量有限，使得数据收集周期较长，同时组织大量人员也较为麻烦。

发明内容

为了至少解决现有技术中由于训练唤醒词的带噪语音有一定音质、参数的需求，只能让大量的录音人员统一到特定的录音现场中进行录制，使得带噪语音收集的效率较低，收集周期较长，使得唤醒词训练效率较低的问题。

第一方面，本发明实施例提供一种多通道带噪语音的生成方法，包括：

接收至少一个用于采集唤醒词的第一录音设备在安静环境下录制的近场单通道纯语音音频集合；

对所述近场单通道纯语音音频集合内的各音频计算各预设场景内的混响，并与所述近场单通道纯语音音频集合内各音频根据远场衰减后的直达音频进行叠加，确定混响环境下的远场单通道纯语音音频集合；

根据用于采集噪音的第二录音设备内的各麦克风之间的相位延迟函数，将所述远场单通道纯语音音频集合模拟为所述第二录音设备录制的远场多通道纯语音音频集合；

将所述第二录音设备录制的多通道纯噪声音频集合与所述远场多通道纯语音音频集合进行混音处理，批量生成远场多通道带噪语音音频。

第二方面，本发明实施例提供一种多通道带噪语音的生成系统，包括：

近场单通道纯语音接收程序模块，用于接收至少一个用于采集唤醒词的第一录音设备在安静环境下录制的近场单通道纯语音音频集合；

远场单通道纯语音确定程序模块，用于对所述近场单通道纯语音音频集合内的各音频计算各预设场景内的混响，并与所述近场单通道纯语音音频集合内各音频根据远场衰减后的直达音频进行叠加，确定混响环境下的远场单通道纯语音音频集合；

远场多通道纯语音模拟程序模块，用于根据用于采集噪音的第二录音设备内的各麦克风之间的相位延迟函数，将所述远场单通道纯语音音频集合模拟为所述第二录音设备录制的远场多通道纯语音音频集合；