[发明专利]基于生成对抗网络的语音处理方法及系统

说明书

本发明属于语音处理领域，提供了一种基于生成对抗网络的语音处理方法及系统。其中，该方法包括获取源语音，并输入至编码器对源语音进行编码；将编码后的语音信号输入至生成对抗网络模型，最后输出与源语音相匹配的恢复的语音；其中，生成对抗网络模型包括生成器和鉴别器，训练集由编码前的源语音和编码后质量下降的语音构成；生成器用于恢复编码后质量下降的语音；鉴别器用于比对恢复后的语音与编码前的源语音以区分真信号与假信号，再由鉴别器将区分结果反馈给生成器，以指导生成器学习源语音的真实分布的输出。解决了语音编码器生成的语音质量较低的问题，并且具有更高的泛化性，对多种ITU标准下的编码器生成的编解码后的语音都有效。

技术领域

本发明属于语音处理领域，尤其涉及一种基于生成对抗网络的语音处理方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

语音编解码技术对通讯、军事等行业有着重要的意义，它可以将大量的语音信息通过编码技术进行压缩，从而进行传输，再通过解码进行语音的复原，从而降低语音信号的传输带宽，提高系统容量。但是，随着语音编码速率的下降，合成语音的质量会有一定程度的降低，影响人的主观听觉感受。

目前语音编码算法都趋向于低速率编码，然而，更低的速率代表着更高的压缩率，压缩率更高意味着解码时难度就越大，所以会导致解码后的语音质量下降。目前，发明人发现，已有的改善语音编码器生成语音质量的方法大都为对语音编码器本身算法进行优化，但是因为优化语音编码器算法难度较高，并不能很好的兼顾低传输速率与解码后语音的质量。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于生成对抗网络的语音处理方法及系统，其通过生成对抗性网络(Generative Adversarial Networks)模型对编码器编解码后的低质量语音进行修复，修复后的语音与未修复的语音相比具有更高的质量。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于生成对抗网络的语音处理方法。

一种基于生成对抗网络的语音处理方法，其包括：

获取源语音，并输入至编码器对源语音进行编码；

将编码后的语音信号输入至生成对抗网络模型，最后输出与源语音相匹配的恢复的语音；

其中，生成对抗网络模型包括生成器和鉴别器，训练集由编码前的源语音和编码后质量下降的语音构成；生成器用于恢复编码后质量下降的语音；鉴别器用于比对恢复后的语音与编码前的源语音以区分真信号与假信号，再由鉴别器将区分结果反馈给生成器，以指导生成器学习源语音的真实分布的输出。

本发明的第二个方面提供一种基于生成对抗网络的语音处理系统。

一种基于生成对抗网络的语音处理系统，其包括：

源语音编码模块，其用于获取源语音，并输入至编码器对源语音进行编码；

语音恢复模块，其用于将编码后的语音信号输入至生成对抗网络模型，最后输出与源语音相匹配的恢复的语音；

其中，生成对抗网络模型包括生成器和鉴别器，训练集由编码前的源语音和编码后质量下降的语音构成；生成器用于恢复编码后质量下降的语音；鉴别器用于比对恢复后的语音与编码前的源语音以区分真信号与假信号，再由鉴别器将区分结果反馈给生成器，以指导生成器学习源语音的真实分布的输出。

本发明的第三个方面提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于生成对抗网络的语音处理方法中的步骤。

本发明的第四个方面提供一种计算机设备。