[发明专利]一种频谱提取方法及装置

说明书

本发明实施例提供了一种频谱提取方法和装置，所述方法包括：在预设的语音频谱数据中，基于频率与能量值的分布关系，查找对应的能量值处于峰值且频率最低的乐音基本频率；基于所述分布关系以及所述乐音基本频率，在所述语音频谱数据中，查找乐音谷值频率；采用所述乐音谷值频率，在所述语音频谱数据中提取所述乐音谷值频率对应的能量值；基于所述乐音谷值频率对应的能量值，对预设轻音频率范围内的频率分配能量值，生成轻音频谱数据。本发明实施例的频谱提取方法，实现在所述语音频谱数据中提取轻音频谱数据。所述轻音频谱数据可以用于恢复语音波形或者对预设的语音识别模型进行训练，提高语音识别模型对轻音的识别准确率。

技术领域

本发明涉及音频处理技术领域，特别是涉及一种频谱提取方法以及一种频谱提取装置。

背景技术

语音识别是指计算机对人类的语音内容进行识别，并转换为相应的文字的技术。现有的语音识别技术中，通常是在人声比较明显，而背景音音量较小或无背景音的情况下进行语音识别。在人压制音量，轻声说话的情况下，计算机较难正确识别人声，导致语音识别的结果可能存在错误，或者出现识别失败。

具体地，在人有意识地压制音量，轻声说话的情况下，相对人正常说话的声音，其发出的声音可以包含更多通过声带摩擦和回响形成的轻音，而包含更少的通过声带直接震动发出的乐音。例如，用户在被窝中悄悄说话，或者用户在安静的公共场合中轻声说话。现有语音识别技术较难在音频中正确提取轻音，对语音识别技术正确识别用户轻声说话的声音存在影响。

发明内容

本发明实施例的目的在于提供一种频谱提取方法，以实现在音频中提取轻音的频谱。具体技术方案如下：

在本发明实施的第一方面，首先提供了一种频谱提取方法，所述方法包括：

在预设的语音频谱数据中，基于频率与能量值的分布关系，查找对应的能量值处于峰值且频率最低的乐音基本频率；

基于所述分布关系以及所述乐音基本频率，在所述语音频谱数据中，查找乐音谷值频率；

采用所述乐音谷值频率，在所述语音频谱数据中提取所述乐音谷值频率对应的能量值；

基于所述乐音谷值频率对应的能量值，对预设轻音频率范围内的频率分配能量值，生成轻音频谱数据。

可选地，所述基于所述分布关系以及所述乐音基本频率，在所述语音频谱数据中，查找乐音谷值频率的步骤，包括：

基于所述分布关系以及所述乐音基本频率，在所述语音频谱数据中，查找乐音峰值频率；

基于所述分布关系以及所述乐音峰值频率，在所述语音频谱数据中，查找乐音谷值频率。

可选地，所述基于所述分布关系以及所述乐音基本频率，在所述语音频谱数据中，查找乐音峰值频率的步骤，包括：

基于所述乐音基本频率，确定与所述乐音基本频率成倍数关系的第一频率；

将所述第一频率作为乐音峰值频率；或者基于所述分布关系，在所述语音频谱数据中，查找对应的能量值在所述第一频率的第一预设范围内处于峰值的频率，作为乐音峰值频率。

可选地，所述基于所述分布关系以及所述乐音峰值频率，在所述语音频谱数据中，查找乐音谷值频率的步骤，包括：

基于所述乐音峰值频率，确定在相邻的所述乐音峰值频率之间处于中位的第二频率；

将所述第二频率作为乐音谷值频率；或者基于所述分布关系，在所述语音频谱数据中，查找对应的能量值在所述第二频率的第二预设范围内处于谷值的频率，作为乐音谷值频率。

可选地，所述在预设的语音频谱数据中，基于频率与能量值的分布关系，查找对应的能量值处于峰值且频率最低的乐音基本频率的步骤，包括：