[发明专利]一种声音处理方法及装置

说明书

本发明提供了一种声音处理方法及装置，解决了目前市面上非专业声音处理设备功能简单、处理效果单一，且处理时间过长的问题。所述声音处理方法包括：采集初始声音信号，将所述初始声音信号分离出进行声音处理的部分；将所述声音处理的部分输入深度学习模型，对所述声音处理的部分卷积混响函数得到美化后的声音信号；将所述美化后的声音信号转换成音频并输出。

技术领域

本发明涉及音频处理技术领域，具体涉及一种声音处理方法及装置。

背景技术

随着娱乐行业的快速发展和普及，许多娱乐方式已经成为大众触手可及的休闲活动，例如手机KTV，网络直播，视频记录生活的行为等等。同时伴随着自媒体的成熟，大众对这类娱乐方式的质量要求也越来越高，例如在手机上录制歌曲，直播，拍摄短视频的同时对声音的质量有着高要求。这个要求不仅包括一定的语音增强、噪声抑制的效果，还需要适度添加混响对声音进行美化。因此，语音信号处理的过程就变得尤为重要。语音信号处理是指对原始语音进行处理，消除部分噪声和他人说话带来的影响，语音信号处理中的语音增强的主要任务就是消除环境噪声对语音的影响，混响添加是麦克风、声卡等声音处理设备对声音进行美化的常用方法。

市面上专业的麦克风、声卡等设备操作复杂，上手难度大。定制化的声音处理设备可以根据客户需求制定一套处理方案，但价格过高，不适用于大多数的用户。简单的声音处理设备虽然价格亲民，但功能和处理效果单一，一般只能提供几种固定的混响程度，不适用于多种音色和场合，还同时存在处理后的声音相似度大，丢失个人特色的问题，这主要是由于没有像专业设备一样，考虑到不同音色需要的处理方法应该有所变化的原因。语音增强则包含了多种不同的算法，包括回声消除，声源定位，噪声消除等，每个算法对于不同的场景要做不同的处理，再将各个算法组合，算法难度大，处理时间长。

发明内容

有鉴于此，本发明实施例提供了一种声音处理方法及装置，解决了目前市面上非专业声音处理设备功能简单、处理效果单一，且处理时间过长的问题。

本发明一实施例提供的一种声音处理方法及装置包括：采集初始声音信号，将所述初始声音信号分离出进行声音处理的部分；将所述声音处理的部分输入深度学习模型，对所述声音处理的部分卷积混响函数得到美化后的声音信号；将所述美化后的声音信号转换成音频并输出。

在一种实施方式中，所述混响函数由所述初始声音信号决定。

在一种实施方式中，在采集初始声音信号，将所述初始声音信号分离出进行声音处理的部分之前，还包括获得深度学习的模型，包括：建立深度学习数据；基于所述深度学习数据对所述深度学习模型进行训练。

在一种实施方式中，准备深度学习数据包括：采集纯净目标语音；基于所述纯净目标语言得到混响目标语音，且基于所述混响目标语音得到噪声目标语音。

在一种实施方式中，基于所述纯净目标语音得到混响目标语音，且基于所述混响目标语音得到噪声目标语音的公式包括：y(m)＝sd*h(m)+n(m)，其中，sd为目标语音，*为卷积操作，h(m)为房间冲击函数，n(m)为加性噪声。

在一种实施方式中，基于所述深度学习数据对所述深度学习模型进行训练，包括：对所述深度学习数据提取特征向量得到深度学习的输入数据；区分所述输入数据中的目标语音和非目标语音；对所述目标语音和所述非目标语音进行端到端的训练。

在一种实施方式中，对所述深度学习数据提取特征向量得到深度学习的输入数据包括：对所述深度学习数据采用梅尔倒谱系数算法或线性预测分析中的一种提取特征向量。

在一种实施方式中，区分所述输入数据中的目标语音，包括：使用softmax激活函数和对数似然损失函数区分所述输入数据中的目标语音和非目标语音。

在一种实施方式中，对所述目标语音进行端到端的训练包括：以Mapping-basedtarget训练对所述目标语音和所述非目标语音进行端到端的训练。