[发明专利]一种音频数据处理方法、装置、设备及存储介质

权利要求书

1.一种音频数据处理方法，其特征在于，所述方法包括：

获取待处理的原音频数据；

将原音频数据输入模型的当前网络层，并获取原掩模矩阵；

通过当前网络层对原音频数据进行处理得到第一音频；

若当前网络层需要执行掩模处理操作，则利用所述第一音频及原掩模矩阵确定目标掩模矩阵，并通过所述目标掩模矩阵对所述第一音频进行掩模处理，得到第二音频；

将所述第二音频作为原音频数据、将所述目标掩模矩阵作为原掩模矩阵发送至下一网络层，并将下一网络层作为当前网络层，继续执行所述通过当前网络层对原音频数据进行处理得到第一音频的步骤，直至当前网络层为输出层为止，输出最终音频处理结果；

其中，所述利用所述第一音频及原掩模矩阵确定目标掩模矩阵，包括：

判断所述第一音频与所述原音频数据的时间维度是否相同；

若相同，则将所述原掩模矩阵作为所述目标掩模矩阵；

若不相同，则利用与所述当前网络层对应的更新方式对所述原掩模矩阵进行更新，得到所述目标掩模矩阵。

2.根据权利要求1所述的音频数据处理方法，其特征在于，所述利用与所述当前网络层对应的更新方式对所述原掩模矩阵进行更新，得到所述目标掩模矩阵包括：

确定与所述原掩模矩阵对应的第一实数类型矩阵；

对所述第一实数类型矩阵进行降采样，获得第二实数类型矩阵；

对所述第二实数类型矩阵执行向下取整操作，得到第三实数类型矩阵；

通过所述第三实数类型矩阵确定所述目标掩模矩阵。

3.根据权利要求2所述的音频数据处理方法，其特征在于，所述对所述第一实数类型矩阵进行降采样，获得第二实数类型矩阵，包括：

利用池化大小参数及步长参数对所述第一实数类型矩阵执行平均值操作，获得第二实数类型矩阵。

4.根据权利要求1所述的音频数据处理方法，其特征在于，所述将原音频数据输入模型的当前网络层，并获取原掩模矩阵，包括：

将原音频数据输入模型的掩蔽层，通过所述掩蔽层确定与所述原音频数据对应的原掩模矩阵；所述原音频数据为对至少两个音频频谱特征数据执行补零操作后的数据；

将原音频数据及原掩模矩阵发送至下一网络层，将下一网络层作为当前网络层，继续执行所述通过当前网络层对原音频数据进行处理得到第一音频的步骤。

5.根据权利要求1所述的音频数据处理方法，其特征在于，若当前网络层存在至少两个下一网络层，则所述将所述第二音频作为原音频数据、将所述目标掩模矩阵作为原掩模矩阵发送至下一网络层，并将下一网络层作为当前网络层，包括：

将所述第二音频作为原音频数据、将所述目标掩模矩阵作为原掩模矩阵发送至每个下一网络层，并将每个下一网络层均作为当前网络层，继续执行所述通过当前网络层对原音频数据进行处理得到第一音频的步骤。

6.根据权利要求1所述的音频数据处理方法，其特征在于，若当前网络层不需要执行掩模处理操作，则所述音频数据处理方法还包括：

将第一音频作为原音频数据发送至下一网络层，将原掩模矩阵发送至下一网络层，并将下一网络层作为当前网络层，继续执行所述通过当前网络层对原音频数据进行处理得到第一音频的步骤。

7.根据权利要求1至6中任意一项所述的音频数据处理方法，其特征在于，在所述模型的反向传播处理过程中，所述音频数据处理方法还包括：

通过当前网络层接收上一网络层发送的目标数据；

利用当前网络层在前向传播处理过程中确定的目标掩模矩阵，对所述目标数据进行掩模处理，并利用掩模处理结果进行反向处理。

8.一种电子设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的音频数据处理方法的步骤。

9.一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计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的音频数据处理方法的步骤。