[发明专利]一种语音分离方法、装置、电子设备和存储介质

说明书

本申请涉及计算机技术领域，尤其涉及语音处理技术领域，提供一种语音分离方法、装置、电子设备和存储介质，用以提高语音分离的准确性。其中，方法包括：获取待分离语音数据；对待分离语音数据进行编码，获得对应的编码结果，并对编码结果进行语音分离操作，获得至少一个目标声源各自对应的语音特征和相位移动特征；基于获得的至少一个相位移动特征，分别对预设的信号解码参数集进行参数重构，获得相应的目标信号解码参数集；分别采用获得的至少一个目标信号解码参数集，对相应的语音特征进行解码，获得对应的目标声源对应的重建语音信号。由于本申请通过相位移动提高中高频信号的建模能力，几乎没有额外增加参数量或复杂度，可有效提高分离性能。

技术领域

本申请涉及计算机技术领域，尤其涉及语音处理技术领域，提供一种语音分离方法、装置、电子设备和存储介质。

背景技术

相关的端到端语音分离系统，广泛使用编码器-分离器-解码器结构，其中编码器部分用于对输入音频信号(mixture waveform signal)进行变换(transform)以获得更丰富的特征，分离器接收编码器生成的特征以进行分离操作，解码器将分离器的输出重建为波形信号。

在相关技术中，编码器与解码器部分，在大多数端到端分离系统中为两个线性变换(linear transform)部分。在对编码器与解码器的网络参数进行优化时，常采用随机初始化+联合优化的方式，即在网络训练开始前随机初始化，在网络训练过程中与分离器一起联合优化。

但是，联合优化的编码器与解码参数，具有过多集中在低频信号的特性，且低频部分存在对同一幅度(magnitude)的不同相位(phase)特征进行重复建模的现象，降低了中高频信号的建模能力，以及编码器与解码器的参数利用率。

发明内容

本申请实施例提供一种语音分离方法、装置、电子设备和存储介质，用以提高语音分离系统的建模能力与参数利用率，进而提高语音分离的准确性。

本申请实施例提供的一种语音分离方法，包括：

获取待分离语音数据，所述待分离语音数据为包含至少一个目标声源的音频信号；

对所述待分离语音数据进行编码，获得对应的编码结果，并对所述编码结果进行语音分离操作，获得所述至少一个目标声源各自对应的语音特征和相位移动特征，每个相位移动特征包括：对相应目标声源进行相位调整的相位参考值；

基于获得的至少一个相位移动特征，分别对预设的信号解码参数集进行参数重构，获得相应的目标信号解码参数集；

分别采用获得的至少一个目标信号解码参数集，对相应的语音特征进行解码，获得对应的目标声源的重建语音信号。

本申请实施例提供的一种语音分离装置，包括：

获取单元，用于获取待分离语音数据，所述待分离语音数据为包含至少一个目标声源的音频信号；

处理单元，用于对所述待分离语音数据进行编码，获得对应的编码结果，并对所述编码结果进行语音分离操作，获得所述至少一个目标声源各自对应的语音特征和相位移动特征，每个相位移动特征包括：对相应目标声源进行相位调整的相位参考值；

调整单元，用于基于获得的至少一个相位移动特征，分别对预设的信号解码参数集进行参数重构，获得相应的目标信号解码参数集；

解码单元，用于分别采用获得的至少一个目标信号解码参数集，对相应的语音特征进行解码，获得对应的目标声源的重建语音信号。

可选的，所述待分离语音数据包括通过分帧处理得到的多个语音帧；每个目标声源的相位移动特征包括：所述目标声源的各个语音帧各自对应的相位移动矩阵；

所述调整单元具体用于：

对于每个目标声源，分别执行以下操作：