[发明专利]语音分离方法、系统及计算机可读存储介质

权利要求书

1.一种语音分离方法，其特征在于，所述语音分离方法包括以下步骤：

获取预处理的语音数据；

对所述语音数据进行特征提取，以获取所述语音数据对应的音素特征数据；

基于音素特征数据，对所述语音数据进行分离。

2.如权利要求1所述的语音分离方法，其特征在于，所述基于音素特征数据，对所述语音数据进行分离的步骤包括：

将所述音素特征数据输入至语种识别模型，以获取所述语音数据对应的语种预判结果；

根据语种预判结果，将语种不同的语音数据进行分离，以获取若干个语种相同的语音数据集。

3.如权利要求2所述的语音分离方法，其特征在于，所述根据语种预判结果，将语种不同的语音数据进行分离，以获取若干个语种相同的语音数据集的步骤之后，还包括：

分别对语种相同的语音数据集进行目标音素识别，并获取包含目标音素的多个语音帧；

获取多个语音帧一一对应的目标音素后验概率，以基于所述目标音素后验概率对多个语音帧进行分离。

4.如权利要求3所述的语音分离方法，其特征在于，所述基于所述目标音素后验概率对多个语音帧进行分离的步骤包括：

基于编码器对多个语音帧一一对应的目标音素后验概率进行编码处理，以获取每一个语音帧对应的编码层特征；

对所述编码层特征进行解码处理，以获取所述编码层特征对应的频谱特征；

根据频谱特征，对多个语音帧进行分离。

5.如权利要求4所述的语音分离方法，其特征在于，所述编码器包括卷积神经网络及双向长短时记忆神经网络，所述基于编码器对多个语音帧一一对应的目标音素后验概率进行编码处理，以获取每一个语音帧对应的编码层特征的步骤包括：

将多个语音帧一一对应的目标音素后验概率依次输入至所述卷积神经网络进行特征映射，以分别获取每一个语音帧对应的映射特征；

将所述映射特征输入至所述双向长短时记忆神经网络，以获取每一个语音帧对应的编码层特征。

6.如权利要求4所述的语音分离方法，其特征在于，所述根据频谱特征，对多个语音帧进行分离的步骤包括：

将频谱特征输入至重叠判断模型，并输出多个语音帧之间是否存在重叠的预判结果；

根据预判结果，对多个语音帧进行分离。

7.如权利要求1至6任一项所述的语音分离方法，其特征在于，所述获取预处理的语音数据的步骤包括：

接收音频设备采集的初始语音数据；

对所述初始语音数据进行预滤波处理，以获取预处理的语音数据。

8.一种语音分离系统，其特征在于，所述语音分离系统包括：

获取模块，用于获取预处理的语音数据；

特征提取模块，用于对所述语音数据进行特征提取，以获取所述语音数据对应的音素特征数据；

分离模块，用于基于音素特征数据，对所述语音数据进行分离。

9.如权利要求8所述的语音分离系统，其特征在于，所述分离模块，还包括：

语种识别单元，用于将所述音素特征数据输入至语种识别模型，以获取所述语音数据对应的语种预判结果；

分离单元，用于根据语种预判结果，将语种不同的语音数据进行分离，以获取若干个语种相同的语音数据集。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有语音分离程序，所述语音分离程序被处理器执行时实现如权利要求1至7中任一项所述的语音分离方法的步骤。