[发明专利]一种基音混合方法及装置

权利要求书

1.一种基音混合方法，其特征在于，应用于人工智能系统，所述方法包括：

当所述人工智能系统接收唤醒指令时，获取当前的环境音频数据；

接收用户输入的用户音频数据；

将所述环境音频数据拆分成多路拆分音频数据；

合并所述用户音频数据与所述多路拆分音频数据，生成混合音频数据；

其中，所述将所述环境音频数据拆分成多路拆分音频数据，包括：

采用预设的声音检测模型识别所述环境音频数据的音频波形；

计算所述音频波的幅值是否大于预设值；

若所述音频波形的幅值大于预设值，则将所述环境音频数据拆分成人声数据和噪声数据；

所述合并所述用户音频数据与所述多路拆分音频数据，包括：

获取所述用户音频数据的用户波形，与所述人声数据的人声波形；

判断所述用户波形与所述人声波形是否相同；

若所述用户波形与所述人声波形相同，则合并所述用户音频数据与所述环境音频数据，生成混合音频数据；

若所述用户波形与所述人声波形不相同，则将所述用户音频数据、所述人声数据以及所述噪声数据依次合并，生成混合音频数据。

2.根据权利要求1所述的方法，其特征在于，所述拆分音频数据包括人声数据、噪声数据。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若所述音频波形的幅值小于预设值，则分别从所述用户音频数据中提取用户语音特征，和从所述环境音频数据中提取环境音频特征；

合并所述用户语音特征和所述环境音频特征，生成训练语音特征；

采用所述训练语音特征进行语音训练。

4.一种基音混合装置，其特征在于，应用于人工智能系统，所述装置包括：

获取模块，用于当所述人工智能系统接收唤醒指令时，获取当前的环境音频数据；

接收模块，用于接收用户输入的用户音频数据；

拆分模块，用于将所述环境音频数据拆分成多路拆分音频数据；

合并模块，用于合并所述用户音频数据与所述多路拆分音频数据，生成混合音频数据；

其中，所述拆分模块，包括：

采用模块，用于采用预设的声音检测模型识别所述环境音频数据的音频波形；

计算模块，用于计算所述音频波的幅值是否大于预设值；

拆分数据模块，用于若所述音频波形的幅值大于预设值，则将所述环境音频数据拆分成人声数据和噪声数据；

所述合并模块，包括：

获取波形模块，用于获取所述用户音频数据的用户波形，与所述人声数据的人声波形；

判断波形模块，用于判断所述用户波形与所述人声波形是否相同；

波形相同模块，用于若所述用户波形与所述人声波形相同，则合并所述用户音频数据与所述环境音频数据，生成混合音频数据；

波形不相同模块，用于若所述用户波形与所述人声波形不相同，则将所述用户音频数据、所述人声数据以及所述噪声数据依次合并，生成混合音频数据。

5.根据权利要求4所述的装置，其特征在于，所述拆分音频数据包括人声数据、噪声数据。

6.根据权利要求4所述的装置，其特征在于，所述装置还包括：

提取模块，用于若所述音频波形的幅值小于预设值，则分别从所述用户音频数据中提取用户语音特征，和从所述环境音频数据中提取环境音频特征；

生成模块，用于合并所述用户语音特征和所述环境音频特征，生成训练语音特征；

训练模块，用于采用所述训练语音特征进行语音训练。

7.一种基音混合处理装置，其特征在于，包括：

一个或多个处理器；和

其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述装置执行如权利要求1至3任一项所述方法。

8.一种计算机可读存储介质，其特征在于，其存储的计算机程序使得处理器执行如权利要求1至3任一项所述方法。