[发明专利]使用视觉信息增强视频中人类说话者的语音信号的方法和系统

摘要

本文提供了一种用于增强语音信号的方法和系统。该方法可以包括以下步骤：获得原始视频，其中该原始视频包括显示至少一个人类说话者面部的原始输入图像序列，以及与所述图像序列同步的原始声轨；以及使用计算机处理器处理原始视频，以基于从原始输入图像序列导出的视觉数据，通过检测与至少一个人类说话者的语音在听觉上无关的声音，产生所述至少一个人类说话者的增强语音信号。