[发明专利]语音处理方法和装置以及声码器和声码器的训练方法

权利要求书

1.一种语音处理方法，其特征在于，所述语音处理方法包括：

对高采样率梅尔谱特征进行下采样来获取低采样率梅尔谱特征；

基于低采样率梅尔谱特征利用声码器的第一神经网络来获得低时域信号；

通过对低时域信号进行上采样来获得高时域信号；

基于高采样率梅尔谱特征和高时域信号利用声码器的第二神经网络来获得与高采样率梅尔谱特征相应的语音信号。

2.根据权利要求1所述的语音处理方法，其特征在于，基于低采样率梅尔谱特征利用声码器的第一神经网络来获得低时域信号的步骤包括：

针对低时域信号的每个采样点执行以下操作：

基于与低采样率梅尔谱特征相应的幅度谱计算低时域信号的当前采样点的第一估计值；

基于低采样率梅尔谱特征经由第一神经网络的第一编码器的运算来获得第一嵌入向量；

基于第一嵌入向量、第一估计值和针对第一神经网络的第一解码器在前一时刻的采样点误差经由第一解码器的运算来获得低时域信号的当前采样点。

3.根据权利要求1所述的语音处理方法，其特征在于，基于高采样率梅尔谱特征和高时域信号利用声码器的第二神经网络来获得与高采样率梅尔谱特征相应的语音信号的步骤包括：

针对所述语音信号的每个采样点执行以下操作：

基于与高采样率梅尔谱特征相应的幅度谱计算所述语音信号的当前采样点的第二估计值；

基于高采样率梅尔谱特征经由第二神经网络的第二编码器的运算来获得第二嵌入向量；

基于第二嵌入向量、高时域信号的当前采样点、第二估计值、针对高时域信号的前一时刻的采样点误差、针对第二神经网络的第二解码器在前一时刻的采样点误差和第二解码器在前一时刻输出的采样点经由第二解码器的运算来获得所述语音信号的当前采样点。

4.根据权利要求1所述的语音处理方法，其特征在于，高采样率梅尔谱特征是通过对输入的文字执行梅尔谱预测得到的。

5.一种声码器的训练方法，其特征在于，所述训练方法包括：

获取样本集，其中，所述样本集包括高采样率时域信号、低采样率时域信号、低频域特征和高频域特征，其中，所述低采样率时域信号是对所述高采样率时域信号进行下采样获得的，低频域特征是所述低采样率时域信号的梅尔谱特征，高频域特征是所述高采样率时域信号的梅尔谱特征；

基于低频域特征利用声码器的第一神经网络来获得低时域信号；

通过对低时域信号进行上采样来获得高时域信号；

基于高频域特征和高时域信号利用声码器的第二神经网络来获得合成信号；

利用低时域信号、所述低采样率时域信号、所述合成信号和所述高采样率时域信号来构建损失函数；

基于由所述损失函数计算的损失来训练所述声码器的参数。

6.根据权利要求5所述的训练方法，其特征在于，利用低时域信号、所述低采样率时域信号、所述合成信号和所述高采样率时域信号来构建损失函数的步骤包括：

利用低时域信号和所述低采样率时域信号来构建第一交叉熵损失函数；

利用所述合成信号和所述高采样率时域信号来构建第二交叉熵损失函数；

由第一交叉熵损失函数和第二交叉熵损失函数来构成所述损失函数。

7.一种语音处理装置，其特征在于，所述语音处理装置包括：

获取模块，被配置为对高采样率梅尔谱特征进行下采样来获取低采样率梅尔谱特征；以及

处理模块，被配置为：

基于低采样率梅尔谱特征利用声码器的第一神经网络来获得低时域信号；

通过对低时域信号进行上采样来获得高时域信号；

基于高采样率梅尔谱特征和高时域信号利用声码器的第二神经网络来获得与高采样率梅尔谱特征相应的语音信号。