[发明专利]语音分离方法、系统及计算机可读存储介质

说明书

本发明公开了一种语音分离方法、系统及计算机可读存储介质，所述语音分离方法包括：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，通过音素特征进行语音分离，提高了语音分离的精准率。

技术领域

本发明涉及语音分离领域，尤其涉及一种语音分离方法、系统及计算机可读存储介质。

背景技术

目前，语音分离方面多注重于将人声与噪音进行分离，然而现实中往往同时存在着多个不同的人声。因此，如何在多个人声混杂的声学环境中分离语音一直是语音信号处理领域的重要研究方向。由于不同说话人的语音特性非常接近，语音分离的技术难度明显大于语音降噪。如何将语音和语音进行分离，仍是未解决的问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种语音分离方法、系统及计算机可读存储介质，旨在解决目前多人语音分离精准率不高的技术问题。

为实现上述目的，本发明提供一种语音分离方法，所述语音分离方法包括：

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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

此外，为实现上述目的，本发明还提供一种语音分离系统，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。

优选地，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；