[发明专利]语音信号的分离方法、装置、电子设备及存储介质

权利要求书

1.一种语音信号的分离方法，其特征在于，所述分离方法包括：

基于待分离语音信号，生成待分离语音多维向量；所述待分离语音多维向量用以记录所述待分离语音信号的语音特征；

通过训练后的语音分离模型，基于所述待分离语音多维向量，生成所述待分离语音多维向量的掩码多维向量；

基于所述待分离语音多维向量、掩码多维向量，生成分离后的语音信号；其中，所述语音分离模型包括多个相同的多尺度语音处理模块；所述多尺度语音处理模块包括局部连接模块以及与局部连接模块相连的全局连接模块；所述局部连接模块用以提取所述待分离语音多维向量在每一语音粒度等级的语音特征，并将不同语音粒度等级的语音特征融合；所述全局连接模块用以融合所述局部连接模块处理后的每一语音粒度等级的语音特征至最细致语音粒度等级。

2.如权利要求1所述的分离方法，其特征在于，所述语音分离模型的训练流程如下：

基于训练用的待分离语音信号，生成训练用的待分离语音多维向量；

将所述训练用的待分离语音多维向量输入语音分离模型，生成训练用的分离后的语音信号；

基于所述训练用的分离后的语音信号、训练用的待分离语音信号对应的真实语音信号，生成损失值；

根据所述损失值，更新所述语音分离模型的网络参数。

3.如权利要求1所述的分离方法，其特征在于，所述通过训练后的语音分离模型，基于所述待分离语音多维向量，生成所述待分离语音多维向量的掩码多维向量，包括：

基于所述待分离语音多维向量，生成待分离语音多维嵌入；

基于所述待分离语音多维嵌入，根据预设的激活函数，生成所述待分离语音多维嵌入对应的掩码多维向量；

基于所述掩码多维向量、所述待分离语音多维向量，生成分离后的语音信号。

4.如权利要求3所述的分离方法，其特征在于，所述基于所述待分离语音多维向量，生成待分离语音多维嵌入，包括：

通过第一个多尺度语音处理模块对待分离语音多维向量进行处理，生成中间语音多维向量，并对中间语音多维向量进行直接卷积或相加或级联操作，生成输出向量；

通过第一个多尺度语音处理模块之后的各多尺度语音处理模块分别对前一多尺度语音处理模块生成的输出向量进行处理，生成中间语音多维向量，并对中间语音多维向量进行直接卷积或相加或级联操作，生成输出向量；

将最后一个多尺度语音处理模块对应的输出向量作为所述待分离语音多维嵌入。

5.如权利要求1至4中的任意一项所述的分离方法，其特征在于，所述局部连接模块包括多个属于不同语音粒度等级的语音特征处理层；所述全局连接模块包括属于最细致语音粒度等级的语音特征处理层。

6.如权利要求5所述的分离方法，其特征在于，所述生成中间语音多维向量，包括：

在所述局部连接模块中，自细致语音粒度等级至粗糙语音粒度等级，依次传输并更新所述待分离语音多维向量为不同语音粒度等级的待分离语音多维向量；

在所述局部连接模块中，自每个语音粒度等级至与之相邻和/或相同的语音粒度等级，传输并更新所述不同语音粒度等级的待分离语音多维向量为局部模块输出多维向量；

自所述局部连接模块至所述全局连接模块，通过最细致语音粒度等级的语音特征处理层传输并更新所述局部模块输出多维向量为所述中间语音多维向量。

7.如权利要求6所述的分离方法，其特征在于，所述局部连接模块、所述全局连接模块中传输的属于同一语音粒度等级的待分离语音多维向量大小相等。

8.如权利要求2所述的分离方法，其特征在于，所述基于所述训练用的分离后的语音信号、训练用的待分离语音信号对应的真实语音信号，生成损失值，包括：

通过置换不变算法，计算所述分离后的语音信号与训练用的待分离语音信号对应的真实语音信号的最小损失值，作为所述损失值。