[发明专利]一种清浊音检测方法、装置、设备及介质

说明书

本申请公开了一种清浊音检测方法、装置、设备、介质。该方法包括：提取待处理音频信号对应的功率谱；基于所述功率谱确定所述待处理音频信号中各个待处理音频信号子段的第一能量比，其中，各个所述待处理音频信号子段为基于所述待处理音频信号的采样频率对所述待处理音频信号进行划分得到的，所述第一能量比为各个所述待处理音频信号子段中的浊音频段内的能量与清浊音频段内的能量的比值，所述清浊音频段包括所述浊音频段和清音频段；根据所述第一能量比和预设能量比阈值确定出所述待处理音频信号中的清音片段和浊音片段。这样能够提高清浊音检测的正确率，且工作量较小，需要的成本较低。

技术领域

本申请涉及计算机技术领域，特别涉及一种清浊音检测方法、装置、设备、介质。

背景技术

随着网络多媒体以及人工智能的迅速发展，对高质量的歌声处理技术要求越来越高，比如智能修音、智能人声合成等。在对歌声进行处理的过程中，歌曲的清浊音检测对于实现自动修音以及语音合成具有重要意义，在清浊音区分不清楚时，会出现变速变调或者智能合成后的声音信号出现电音、破音、听感不自然等问题，故高质量的清浊音检测对于修音或歌唱声合成具有重要意义。

现有的清浊音检测方法主要包括：一是，仅仅针对音频信号给出大致的语音段以及静音段检测结果。二是，仅仅基于基频是否为0进行检测。三是，在进行语音识别的过程中，利用训练好的模型区分清浊音音素。

发明人发现以上现有技术中至少存在如下问题，一是，采用上述第一种方法只能检测出人声和静音，对于清浊音信号的检测准确度较低。二是，由于基频判断本身不够准确等问题导致最终的清浊音片段出现过多误差。三是，采用上述第二种方法需要依赖大量的训练集语料整理、人工标注等工作，且在应用目标不同时，比如识别的音频语音发声类型不同(一般语音和歌曲)，或者识别的语种不同(英语和汉语)，需要的训练集数据有较大差异，在切换应用场景时，也需要重新训练模型或对现有模型做迭代优化，这样整个过程工作量较大，且需要的成本太高。

发明内容

有鉴于此，本申请的目的在于提供一种清浊音检测方法、装置、设备、介质，能够提高清浊音检测的正确率，且工作量较小，需要的成本较低。其具体方案如下：

为实现上述目的，第一方面，提供了一种清浊音检测方法，包括：

提取待处理音频信号对应的功率谱；

基于所述功率谱确定所述待处理音频信号中各个待处理音频信号子段的第一能量比，其中，各个所述待处理音频信号子段为基于所述待处理音频信号的采样频率对所述待处理音频信号进行划分得到的，所述第一能量比为各个所述待处理音频信号子段中的浊音频段内的能量与清浊音频段内的能量的比值，所述清浊音频段包括所述浊音频段和清音频段；

根据所述第一能量比和预设能量比阈值确定出所述待处理音频信号中的清音片段和浊音片段。

可选地，所述根据所述第一能量比和预设能量比阈值确定出所述待处理音频信号中的清音片段和浊音片段，包括：

将所述第一能量比不小于预设能量比阈值的连续多个所述待处理音频信号子段作为一个浊音片段，以确定所述待处理音频信号中的浊音片段；

将所述第一能量比小于预设能量比阈值的连续多个所述待处理音频信号子段作为一个清音片段，以确定所述待处理音频信号中的清音片段。

可选地，所述提取待处理音频信号对应的功率谱，包括：

提取所述待处理音频信号的基频信息；

利用所述基频信息和所述采样频率提取所述待处理音频信号对应的功率谱。

可选地，所述利用所述基频信息和所述采样频率提取所述待处理音频信号对应的功率谱，包括：