[发明专利]语音分离模型的训练方法、语音分离方法及装置

说明书

本申请公开了一种语音分离模型的训练方法、语音分离方法、装置、计算机设备及存储介质，属于语音技术领域。通过本申请实施例提供的技术方案，在训练过程中，能够基于学生模型的分离结果的准确性、教师模型和学生模型分离得到的结果之间的一致性，来使得教师模型能够对学生模型的训练起到一种平滑的作用，从而提升训练得到的语音分离模型的分离准确性的同时，还能够保持分离的稳定性，大大提高了训练的语音分离模型的分离能力。

技术领域

本申请涉及语音技术领域，特别涉及一种语音分离模型的训练方法、语音分离方法、装置、计算机设备及存储介质。

背景技术

随着人工智能技术和电子设备的发展，语音已经成为人类与电子设备进行交互的重要方式之一。然而，由于干扰声源的存在，电子设备在复杂开放环境下语音识别的识别精度远没有达到令人满意的程度，原因在于难以将目标语音和干扰声源进行精准分离。

近年来，监督学习的引入在解决语音分离方面取得了一些进展。但监督学习需要手工收集带标注的高质量训练样本，这个过程耗时耗力并且效率低下，此外，要让有标注的训练样本覆盖所有类型的实际应用场景亦是不切实际的。

现阶段，开发一种在复杂可变的输入环境中具有较强泛化性和鲁棒性的语音分离方法仍然是一项极具挑战性的任务。

发明内容

本申请实施例提供了一种语音分离模型的训练方法、语音分离方法、装置、计算机设备及存储介质，可以提升训练得到的语音分离模型的分离准确性的同时，还能够保持分离的稳定性，大大提高了训练的语音分离模型的分离能力。

该技术方案如下：

一方面，提供了一种语音分离模型的训练方法，包括：

在任一次迭代过程中，将作为训练样本的混合语音信号分别输入学生模型和教师模型，该混合语音信号标注有用于生成该混合语音信号的干净语音信号，该教师模型的模型参数基于该学生模型的模型参数配置；

基于该学生模型输出的信号和该混合语音信号中标注的该干净语音信号，确定该迭代过程的准确性信息，该准确性信息用于表示该学生模型的分离准确程度；

基于该学生模型输出的信号和教师模型输出的信号，确定该迭代过程的一致性信息，该准确性信息用于表示该学生模型和该教师模型的分离能力的一致程度；

基于每次迭代过程所确定的准确性信息和一致性信息，对该学生模型和该教师模型的模型参数进行调整，直到满足停止训练条件，将满足该停止训练条件的迭代过程所确定的学生模型输出为语音分离模型。

在一种可能实现方式中，该基于该学生模型输出的信号和该混合语音信号中标注的该干净语音信号，确定该迭代过程的准确性信息包括下述任一项：

基于该学生模型输出的第一干净语音信号和该混合语音信号中标注的该干净语音信号，确定该迭代过程的准确性信息；

基于该学生模型输出的第一干扰信号和该混合语音信号中标注的该干净语音信号以外的干扰信号，确定该迭代过程的准确性信息；

基于该学生模型输出的第一干净语音信号和该混合语音信号中标注的该干净语音信号，确定该迭代过程的第一准确性信息；基于该学生模型输出的干扰信号和该混合语音信号中标注的该干净语音信号以外的干扰信号，确定该迭代过程的第二准确性信息，根据该第一准确性信息和该第二准确性信息，确定该迭代过程的准确性信息。

在一种可能实现方式中，该基于该学生模型输出的信号和教师模型输出的信号，确定该迭代过程的一致性信息包括下述任一项：

基于该学生模型输出的第一干净语音信号和该教师模型输出的第二干净语音信号，确定该迭代过程的一致性信息；

基于该学生模型输出的第一干扰信号和该教师模型输出的第二干扰信号，确定该迭代过程的一致性信息；