[发明专利]语音增强模型的训练方法及系统

说明书

本发明实施例提供一种语音增强模型的训练方法。该方法包括：接收纯净语音和与纯净语音对应的带噪语音；分别提取纯净语音的第一音频谱特征和带噪语音的第二音频谱特征；对带噪语音的第二音频谱特征进行压缩以生成第一深度语音特征；对第一深度语音特征进行去噪，得到去噪后的第二深度语音特征；对第二深度语音特征进行音频谱恢复，得到带噪语音的第三音频谱特征；确定纯净语音的第一音频谱特征和带噪语音的第三音频谱特征的特征均方误差，基于均方误差训练语音增强模型，直至特征均方误差符合预设阈值，确定语音增强模型。本发明实施例还提供一种语音增强模型的训练系统。本发明实施例使得语音增强模型具备解决噪声和远场的能力，提高识别性能。

技术领域

本发明涉及智能语音领域，尤其涉及一种语音增强模型的训练方法及系统。

背景技术

为了提高语音识别模型的识别效果，通常会在识别之前进行语音增强(麦克风阵列、谱减法、维纳滤波)前端，用来增加复杂场景下的声纹识别系统的鲁棒性。

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：

基于麦克风阵列的语音增强技术通常用在多通道的语音增强；谱减法通常用来处理噪声与纯净语音不相关，并且噪声类型属于加性平稳噪声，增强后的语音包含较强的音乐噪声；使用维纳滤波进行语音增强，增强过后的语音类似白噪声，此外维纳滤波输入的过程和语音类似也是广义平稳的，所以维纳滤波也有很大的缺陷。通过这些方法训练的语音增强模型不具备同时进行降噪和降混响能力；对后端声纹识别的性能提升较小甚至没有作用。

发明内容

为了至少解决现有技术中的语音增强模型不具备同时进行降噪和降混响能力，对后端声纹识别的性能提升较小甚至没有作用的问题。

第一方面，本发明实施例提供一种语音增强模型的训练方法，包括：

接收纯净语音以及与所述纯净语音对应的带噪语音，其中，所述带噪语音包括：噪声语音和远场语音；

分别提取所述纯净语音的第一音频谱特征和所述带噪语音的第二音频谱特征；

对所述带噪语音的第二音频谱特征进行压缩以生成第一深度语音特征；

对所述第一深度语音特征进行去噪，得到去噪后的第二深度语音特征；

对所述第二深度语音特征进行音频谱恢复，得到所述带噪语音的第三音频谱特征；

确定所述纯净语音的第一音频谱特征和所述带噪语音的第三音频谱特征的特征均方误差，基于所述均方误差训练所述语音增强模型，直至所述特征均方误差符合预设阈值，确定语音增强模型，其中，所述语音增强模型输入为带噪语音，将处理后的带噪语音作为输出。

第二方面，本发明实施例提供一种声纹识别方法，包括：

接收带噪语音信号，提取所述带噪语音信号中的音频谱特征；

将所述音频谱特征输入至所述语音增强模型，得到去噪后的纯净音频的音频谱特征；

将所述纯净音频的音频谱特征输入至声纹识别网络，确定出纯净音频的特征向量，基于所述纯净音频的特征向量确定出识别结果。

第三方面，本发明实施例提供一种语音增强模型的训练系统，包括：

语音接收程序模块，用于接收纯净语音以及与所述纯净语音对应的带噪语音，其中，所述带噪语音包括：噪声语音和远场语音；

音频谱特征提取程序模块，用于分别提取所述纯净语音的第一音频谱特征和所述带噪语音的第二音频谱特征；

深度语音特征确定程序模块，用于对所述带噪语音的第二音频谱特征进行压缩以生成第一深度语音特征；

去噪程序模块，用于对所述第一深度语音特征进行去噪，得到去噪后的第二深度语音特征；