CN113223545A - 一种语音降噪方法、装置、终端及存储介质 - Google Patents

一种语音降噪方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN113223545A
CN113223545A CN202010080754.8A CN202010080754A CN113223545A CN 113223545 A CN113223545 A CN 113223545A CN 202010080754 A CN202010080754 A CN 202010080754A CN 113223545 A CN113223545 A CN 113223545A
Authority
CN
China
Prior art keywords
target
trained
sample
amplitude
spectrum amplitude
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010080754.8A
Other languages
English (en)
Inventor
宋旭晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ByteDance Inc
Original Assignee
ByteDance Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ByteDance Inc filed Critical ByteDance Inc
Priority to CN202010080754.8A priority Critical patent/CN113223545A/zh
Publication of CN113223545A publication Critical patent/CN113223545A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L21/0232—Processing in the frequency domain
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G10L2015/0635—Training updating or merging of old and new templates; Mean values; Weighting

Abstract

本公开实施例提供了一种语音降噪方法、装置、终端及存储介质，方法包括：对目标带噪语音信号进行频域分解处理，得到目标带噪语音信号对应的目标频谱幅度和目标频谱相位；利用已训练的语音增强模型对目标频谱幅度进行降噪处理，得到第一频谱幅度；已训练的语音增强模型为基于至少一层已训练的卷积神经网络和至少一层已训练的循环神经网络建立的组合模型；对目标频谱相位和第一频谱幅度进行时域合成处理，得到目标降噪语音信号。

Description

一种语音降噪方法、装置、终端及存储介质
技术领域
本公开实施例涉及语音处理技术领域，尤其涉及一种语音降噪方法、装置、终端及存储介质。
背景技术
在实现语音通信的过程中，会遇到各种噪声干扰问题。为了提高语音质量，通常需要对语音进行降噪处理，即降低甚至去除语音中的噪声。
目前，可以将包含噪声的语音进行语音部分和非语音部分的区分，针对于非语音部分，通常表现为噪声特性，因此，可以通过特定的方法对其进行处理，实现降噪。此外，还可以采用常用的降噪方法，例如，经验模态分解法、自相关-频域降噪法进行语音降噪。
然而，由于推理的语音信道环境未知，将上述传统降噪方法应用于实现单通道不稳定噪声的语音去噪，降噪效果不佳。
发明内容
本公开实施例提供一种语音降噪方法、装置、终端及存储介质，利用基于深度神经网络的语音增强模型，对语音进行去噪，提高了语音降噪效果。
本公开实施例的技术方案是这样实现的：
第一方面，本公开实施例提供了一种语音降噪方法，所述方法包括：
对目标带噪语音信号进行频域分解处理，得到所述目标带噪语音信号对应的目标频谱幅度和目标频谱相位；
利用已训练的语音增强模型对所述目标频谱幅度进行降噪处理，得到第一频谱幅度；所述已训练的语音增强模型为基于至少一层已训练的卷积神经网络和至少一层已训练的循环神经网络建立的组合模型；
对所述目标频谱相位和所述第一频谱幅度进行时域合成处理，得到目标降噪语音信号。
在上述方案中，所述对目标带噪语音信号进行频域分解处理，得到所述目标带噪语音信号对应的目标频谱幅度和目标频谱相位，包括：
对所述目标带噪语音信号进行频域变换，得到所述目标带噪语音信号对应的目标频谱；
对所述目标频谱进行分解，得到所述目标频谱幅度和所述目标频谱相位。
在上述方案中，所述利用已训练的语音增强模型对所述目标频谱幅度进行降噪处理，得到第一频谱幅度，包括：
利用所述已训练的语音增强模型，对所述目标频谱幅度进行网络层处理，得到目标参数；
将所述目标参数和所述目标频谱幅度相乘，得到所述第一频谱幅度。
在上述方案中，所述对所述目标频谱相位和所述第一频谱幅度进行时域合成处理，得到目标降噪语音信号，包括：
将所述目标频谱相位和所述第一频谱幅度进行融合，得到第一频谱；
对所述第一频谱进行频域反变换，得到所述目标降噪语音信号。
在上述方案中，所述利用已训练的语音增强模型对所述目标频谱幅度进行降噪处理，得到第一频谱幅度之前，所述方法还包括：
对样本带噪语音信号和样本无噪语音信号进行频域分解处理，得到所述样本带噪语音信号对应的样本频谱幅度，以及所述样本无噪语音信号对应的无噪频谱幅度；其中，所述样本无噪语音信号为与所述样本带噪语音信号对应的不包含噪声的语音信号；
基于所述样本频谱幅度和所述无噪频谱幅度，对预设的语音增强模型进行训练，得到所述已训练的语音增强模型。
在上述方案中，所述基于所述样本频谱幅度和所述无噪频谱幅度，对预设的语音增强模型进行训练，得到所述已训练的语音增强模型，包括：
利用所述预设的语音增强模型，对所述样本频谱幅度进行网络层处理，得到样本参数；
将所述样本参数和所述样本频谱幅度相乘，得到第二频谱幅度；
根据所述第二频谱幅度与所述无噪频谱幅度，计算训练损失函数；
基于所述训练损失函数，采用预设优化函数对所述预设的语音增强模型进行参数调整，得到所述已训练的语音增强模型。
在上述方案中，所述已训练的语音增强模型中，所述至少一层已训练的卷积神经网络与所述至少一层已训练的循环神经网络顺序连接。
在上述方案中，所述已训练的语音增强模型还包括至少一层已训练的全连接层，所述至少一层已训练的全连接层与所述至少一层循环神经网络连接。
第二方面，本公开实施例提高了一种语音降噪装置，所述装置包括：
第一处理单元，用于对目标带噪语音信号进行频域分解处理，得到所述目标带噪语音信号对应的目标频谱幅度和目标频谱相位；
降噪单元，利用已训练的语音增强模型对所述目标频谱幅度进行降噪处理，得到第一频谱幅度；所述已训练的语音增强模型为基于至少一层已训练的卷积神经网络和至少一层已训练的循环神经网络建立的组合模型；
第二处理单元，对所述目标频谱相位和所述第一频谱幅度进行时域合成处理，得到目标降噪语音信号。
在上述装置中，所述第一处理单元，具体用于对所述目标带噪语音信号进行频域变换，得到所述目标带噪语音信号对应的目标频谱；对所述目标频谱进行分解，得到所述目标频谱幅度和所述目标频谱相位。
在上述装置中，所述降噪单元，具体用于利用所述已训练的语音增强模型，对所述目标频谱幅度进行网络层处理，得到目标参数；将所述目标参数和所述目标频谱幅度相乘，得到所述第一频谱幅度。
在上述装置中，所述第二处理单元，具体用于将所述目标频谱相位和所述第一频谱幅度进行融合，得到第一频谱；对所述第一频谱进行频域反变换，得到所述目标降噪语音信号。
在上述装置中，所述装置还包括模型训练单元；
所述第一处理单元，还用于对样本带噪语音信号和样本无噪语音信号进行频域分解处理，得到所述样本带噪语音信号对应的样本频谱幅度，以及所述样本无噪语音信号对应的无噪频谱幅度；其中，所述样本无噪语音信号为与所述样本带噪语音信号对应的不包含噪声的语音信号；
所述模型训练单元，用于基于所述样本频谱幅度和所述无噪频谱幅度，对预设的语音增强模型进行训练，得到所述已训练的语音增强模型。
在上述装置中，所述模型训练单元，具体用于利用所述预设的语音增强模型，对所述样本频谱幅度进行网络层处理，得到样本参数；将所述样本参数和所述样本频谱幅度相乘，得到第二频谱幅度；根据所述第二频谱幅度与所述无噪频谱幅度，计算训练损失函数；基于所述训练损失函数，采用预设优化函数对所述预设的语音增强模型进行参数调整，得到所述已训练的语音增强模型。
在上述装置中，所述已训练的语音增强模型中，所述至少一层已训练的卷积神经网络与所述至少一层已训练的循环神经网络顺序连接。
在上述装置中，所述已训练的语音增强模型还包括至少一层已训练的全连接层，所述至少一层已训练的全连接层与所述至少一层循环神经网络连接。
第三方面，本公开实施例提供了一种终端，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述可执行指令时，实现上述语音降噪方法。
第四方面，本公开实施例提供了一种存储介质，存储有可执行指令，所述可执行指令被处理器执行时，用于实现上述语音降噪方法。
本公开实施例具有如下有益效果：
采用具备适应性的基于深度神经网络的模型，针对带噪语音信号进行降噪，从而提高了语音降噪效果。
附图说明
图1是实现本公开实施例的终端100的结构示意图；
图2是实现本公开实施例的语音降噪装置200的结构示意图；
图3是实现本公开实施例的语音降噪方法的一个可选的流程示意图；
图4是实现本公开实施例的一种示例性的语音降噪过程示意图；
图5是实现本公开实施例的一种确定已训练的语音增强模型的流程示意图；
图6是实现本公开实施例提供的一种示例性的模型训练的过程示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面参考图1，其示出了适于用来实现本公开实施例的终端100的结构示意图。终端包括移动电话、笔记本电脑、数字广播接收器、个人数字助理(PDA，Personal DigitalAssistant)、平板电脑(PAD)、便携式多媒体播放器(PMP，Portable Media Player)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字电视(TV)、台式计算机等等的固定终端。图1示出的终端仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图1所示，终端100可以包括处理装置(例如中央处理器、图形处理器等)110，其可以根据存储在只读存储器(ROM，Read-OnlyMemory)120中的程序或者从存储装置180加载到随机访问存储器(RAM，Random Access Memory)130中的程序而执行各种适当的动作和处理。在RAM 130中，还存储有终端100操作所需的各种程序和数据。处理装置110、ROM 120以及RAM 130通过总线140彼此相连。输入/输出(I/O，Input/Output)接口150也连接至总线140。
通常，以下装置可以连接至I/O接口150：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置160；包括例如液晶显示器(LCD，LiquidCrystal Display)、扬声器、振动器等的输出装置170；包括例如磁带、硬盘等的存储装置180；以及通信装置190。通信装置190可以允许终端100与其他设备进行无线或有线通信以交换数据。虽然图1示出了具有各种装置的终端100，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开实施例，所提供的流程图描述的过程可以被实现为计算机软件程序。例如，本公开实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，计算机程序可以通过通信装置190从网络上被下载和安装，或者从存储装置180被安装，或者从ROM 120被安装。在计算机程序被处理装置110执行时，执行本公开实施例的方法中的功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、RAM、ROM、可擦式可编程只读存储器(EPROM，ErasableProgrammable Read Only Memory)、闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本公开实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括电线、光缆、射频(RF，Radio Frequency)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述终端中所包含的；也可以是单独存在，而未装配入该终端中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该终端执行时，使得该终端执行本公开实施例提供的语音降噪方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN，Local Area Network))和广域网(WAN，Wide Area Network)，以连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本公开实施例提供的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本公开实施例中描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA，Field-Programmable Gate Array)、专用集成电路(ASIC，Application SpecificIntegrated Circuit)、专用标准产品(ASSP，Application Specific Standard Parts))、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开实施例的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
下面结合本公开实施例提供的语音降噪装置中的单元。可以理解地，装置中的单元或模块可以采用软件(例如上述的计算机软件程序中存储的计算机程序)的方式在如图1所示的终端中实现，也可以采用上述的硬件逻辑部件(例如FPGA、ASIC、ASSP、SOC和CPLD)的方式在如图1所示的终端中实现。
参见图2，图2是实现本公开实施例的语音降噪装置200的结构示意图，示出了以下模块：
第一处理单元210，用于对目标带噪语音信号进行频域分解处理，得到所述目标带噪语音信号对应的目标频谱幅度和目标频谱相位；
降噪单元220，利用已训练的语音增强模型对所述目标频谱幅度进行降噪处理，得到第一频谱幅度；所述已训练的语音增强模型为基于至少一层已训练的卷积神经网络和至少一层已训练的循环神经网络建立的组合模型；
第二处理单元230，对所述目标频谱相位和所述第一频谱幅度进行时域合成处理，得到目标降噪语音信号。
可选的，所述第一处理单元210，具体用于对所述目标带噪语音信号进行频域变换，得到所述目标带噪语音信号对应的目标频谱；对所述目标频谱进行分解，得到所述目标频谱幅度和所述目标频谱相位。
可选的，所述降噪单元220，具体用于利用所述已训练的语音增强模型，对所述目标频谱幅度进行网络层处理，得到目标参数；将所述目标参数和所述目标频谱幅度相乘，得到所述第一频谱幅度。
可选的，所述第二处理单元230，具体用于将所述目标频谱相位和所述第一频谱幅度进行融合，得到第一频谱；对所述第一频谱进行频域反变换，得到所述目标降噪语音信号。
可选的，所述装置还包括模型训练单元240；
所述第一处理单元210，还用于对样本带噪语音信号和样本无噪语音信号进行频域分解处理，得到所述样本带噪语音信号对应的样本频谱幅度，以及所述样本无噪语音信号对应的无噪频谱幅度；其中，所述样本无噪语音信号为与所述样本带噪语音信号对应的不包含噪声的语音信号；
所述模型训练单元240，用于基于所述样本频谱幅度和所述无噪频谱幅度，对预设的语音增强模型进行训练，得到所述已训练的语音增强模型。
可选的，所述模型训练单元240，具体用于利用所述预设的语音增强模型，对所述样本频谱幅度进行网络层处理，得到样本参数；将所述样本参数和所述样本频谱幅度相乘，得到第二频谱幅度；根据所述第二频谱幅度与所述无噪频谱幅度，计算训练损失函数；基于所述训练损失函数，采用预设优化函数对所述预设的语音增强模型进行参数调整，得到所述已训练的语音增强模型。
可选的，所述已训练的语音增强模型中，所述至少一层已训练的卷积神经网络与所述至少一层已训练的循环神经网络顺序连接。
可选的，所述已训练的语音增强模型还包括至少一层已训练的全连接层，所述至少一层已训练的全连接层与所述至少一层循环神经网络连接。
需要指出，上述单元的分类并不构成对终端本身的限定，例如一些单元可以拆分为两个或以上的子单元，或者，一些单元可以合并为一个新的单元。
还需要指出，上述单元的名称在某种情况下并不构成对单元本身的限定，例如，上述第一处理单元210也可以被描述为“目标带噪语音信号进行频域分解处理，得到所述目标带噪语音信号对应的目标频谱幅度和目标频谱相位”的单元。
基于同样的理由，终端中未详尽描述的单元和/或模块不代表相应的单元和/或模块的缺省，凡是终端所执行的操作都可以通过终端中的相应的单元和/或模块实现。
继续参见图3，图3是实现本公开实施例的语音降噪方法的一个可选的流程示意图，例如，语音降噪装置200的处理装置110将只读存储器(ROM)120中的程序或者将存储装置180中的程序加载到随机访问存储器(RAM)130时，执行程序是可以实现图3示出的语音降噪方法。下面说明图3示出的步骤：
S301、对目标带噪语音信号进行频域分解处理，得到目标带噪语音信号对应的目标频谱幅度和目标频谱相位。
在本公开的实施例中，语音降噪装置可以对目标带噪语言信号进行频域分解处理，从而得到对应的目标频谱幅度和目标频谱相位。
需要说明的是，在本公开的实施例中，目标带噪语音信号为包含噪音信号，需要实现降噪增强的语音信号。目标带噪语音信号可以是语音降噪装置采用特定的语音采集部件采集到的语音信号，也可以是独立的语音采集装置采集到的语音信号，从而传输至语音降噪装置。具体的目标带噪语音信号本公开实施例不作限定。
具体地，在本公开的实施例中，语音降噪装置对目标带噪语音信号进行频域分解处理，得到目标带噪语音信号对应的目标频谱幅度和目标频谱相位，包括：对目标带噪语音信号进行频域变换，得到目标带噪语音信号对应的目标频谱；对目标频谱进行分解，得到目标频谱幅度和目标频谱相位。
需要说明的是，在本公开的实施例中，语音降噪装置对目标带噪语音信号可以进行短时傅里叶变换(Short-Time Fourier Transform，STFT)，从而得到目标带噪语音信号的变换结果，该变换结果即目标频谱。当然，语音降噪装置还可以采用其他频域变换方式确定目标频谱。具体的频域变换方式和频域变换过程本公开实施例不作限定。
示例性的，在本公开的实施例中，目标带噪语音信号为S1，语音降噪装置可以对S1进行STFT变换，从而得到目标频谱F1，之后，将F1拆分成目标频谱幅度A1和目标频谱相位B1。
可以理解的是，在本公开的实施例中，语音降噪装置先确定出目标带噪语音信号对应的目标频谱幅度和目标频谱相位，从而后续可以针对目标频谱幅度进行降噪的相关处理。
S302、利用已训练的语音增强模型对目标频谱幅度进行降噪处理，得到第一频谱幅度；已训练的语音增强模型为基于至少一层已训练的卷积神经网络和至少一层已训练的循环神经网络建立的组合模型。
在本公开的实施例中，语音降噪装置在得到目标带噪语音信号对应的目标频谱幅度和目标频谱相位之后，进一步的，利用已训练的语音增强模型对目标频谱幅度进行降噪处理，得到第一频谱幅度。
需要说明的是，在本公开的实施例中，语音降噪装置中存储有已训练的语音增强模型，该模型包括至少一层已训练的卷积神经网络(Convolutional Neural Network，CNN)和至少一层已训练的循环神经网络。已训练的语音增强模型中，至少一层卷积神经网络与至少一层循环神经网络顺序连接。此外，已训练的语音增强模型还可以包括已训练的至少一层全连接层等其他网络层，至少一层已训练的全连接层与至少一层循环神经网络连接。已训练的语音增强模型中，已训练的卷积神经网络和已训练的循环神经网络的层数可以包括多层。具体的已训练的语音增强模型本公开实施例不作限定。
需要说明的是，在本公开的实施例中，已训练的语音增强模型包括的已训练的循环神经网络，可以为递归神经网络(RecurrentNeuralNetwork，RNN)，也可以为长短期记忆网络(Long Short-Term Memory，LSTM)或者门控神经网络(Gated Recurrent Unit，GRU)。具体的已训练的循环神经网络本公开实施例不作限定。
具体地，在本公开的实施例中，语音降噪装置利用已训练的语音增强模型对目标频谱幅度进行降噪处理，得到第一频谱幅度，包括：利用已训练的语音增强模型，对目标频谱幅度进行网络层处理，得到目标参数；将目标参数和目标频谱幅度相乘，得到第一频谱幅度。
需要说明的是，在本公开的实施例中，语音降噪装置利用已训练的语音增强模型，可以对目标频谱幅度通过包括的至少一层已训练的卷积神经网络和至少一层已训练的循环神经网络等网络进行网络层的处理，从而得到目标参数。具体地，至少一层已训练的卷积神经网络可以学习到目标频谱幅度在频谱空间上的特征，至少一层已训练的循环神经网络对目标频谱幅度的时间特征进行了学习。此外，在已训练的语音增强模型包括至少一层已训练的全连接层的情况下，至少一层已训练的全连接层对输入的整体在频谱上都进行了学习。目标参数实际上就是已训练的语音增强模型对目标频谱幅度进行分析学习后，得到的系数矩阵。
示例性的，在本公开的实施例中，已训练的语音增强模型包括已训练的八层CNN、三层LSTM和三层全连接层，语音降噪装置利用已训练的语音增强模型，可以对目标频谱幅度进行八层CNN、三层LSTM和三层全连接层的网络层处理，之后，将得到目标参数再与输入的目标频谱幅度相乘，得到第一频谱幅度。
可以理解的是，在本公开的实施例中，已训练的语音增强模型为基于至少一层已训练的卷积神经网络和至少一层已训练的循环神经网络建立的组合模型，实际上就是基于深度神经网络的模型，相比于传统的降噪算法，其在训练过程中已经学习到了针对各种频谱幅度的降噪方式，因此，具有很好的适应性，能够更好的实现降噪。
S303、对目标频谱相位和第一频谱幅度进行时域合成处理，得到目标降噪语音信号。
在本公开的实施例中，语音降噪装置在得到第一频谱幅度之后，就可以对第一频谱幅度和目标频谱相位进行时域合成处理，从而得到目标降噪语音信号。
具体地，在本公开的实施例中，语音降噪装置对目标频谱相位和第一频谱幅度进行时域合成处理，得到目标降噪语音信号，包括：将目标频谱相位和第一频谱幅度进行融合，得到第一频谱；对第一频谱进行频域反变换，得到目标降噪语音信号。
可以理解的是，在本公开的实施例中，语音降噪装置可以将获得的第一频谱幅度与目标带噪语音信号对应的目标频谱相位融合，从而得到第一频谱，由于第一频谱幅度是对目标频谱幅度进行降噪得到的频谱幅度，因此，第一频谱相比于目标带噪语音信号对应的目标频谱噪声更少，相应的，将第一频谱频域反变换之后，得到的目标降噪语音信号与目标带噪语音信号相比，表征的信息相同，但是含噪更少。
需要说明的是，在本公开的实施例中，语音降噪装置在执行步骤S301时，对目标带噪语音信号进行的频域变换可以是STFT变换，相应的，在执行步骤S303时，对得到的第一频谱进行频域反变换可以是逆短时傅里叶变换(Inverse Short-Time Fourier Transform，ISTFT)，两种处理方式相互对应。
图4是实现本公开实施例的一种示例性的语音降噪过程示意图。如图4所示，在本公开的实施例中，语音降噪装置可以对目标带噪语音信号进行频域分解处理，即进行短时傅里叶变换和频谱分解，得到目标频谱幅度和目标频谱相位，之后，利用已训练的语音增强模型对目标频谱幅度进行降噪处理，得到第一频谱幅度，最后，将目标频谱相位与第一频谱幅度融合，并进行逆短时傅里叶变换，从而得到目标降噪语音信号。
需要说明的是，在本公开的实施例中，语音降噪装置在步骤S302之前，即利用已训练的语音增强模型对目标频谱幅度进行降噪处理之前，还可以进行模型训练，从而得到已训练的语音增强模型。
图5是实现本公开实施例的一种确定已训练的语音增强模型的流程示意图。如图5所示，在步骤S302之前，还可以包括以下步骤：
S501、对样本带噪语音信号和样本无噪语音信号进行频域分解处理，得到样本带噪语音信号对应的样本频谱幅度，以及样本无噪语音信号对应的无噪频谱幅度；其中，样本无噪语音信号为与样本带噪语音信号对应的不包含噪声的语音信号。
在本公开的实施例中，语音降噪装置可以才获取到样本带噪语音信号，以及与样本带噪语音信号对应的样本无噪语音信号，从而对两个信号分布进行频域分解处理，得到样本频谱幅度和无噪频谱幅度。
需要说明的是，在本公开的实施例中，样本带噪语音信号与样本无噪语音信号表征的信息相同，区别仅在于样本带噪语音信号包含噪声，样本无噪语音信号不含噪声。具体的样本带噪语音信号和样本无噪语音信号本公开实施例不作限定。
需要说明的是，在本公开的实施例中，样本带噪语音信号可以为利用干净的说话人声和噪声合成的语音信号，可以是语音降噪装置自主合成的，当然，也可以是独立的语音合成装置合成后传输至语音降噪装置的。相应的，样本无噪语音信号可以为干净的说话人声。具体的样本带噪语音信号和样本无噪语音信号的来源本公开实施例不作限定。
需要说明的是，在本公开的实施例中，语音降噪装置对样本带噪语音信号和样本无噪语音信号进行频域分解的方式与步骤S301中，对目标带噪语音信号的频域分解的方式相同，均是先进行频域变换，得到相应的频谱，再对频谱进行分解，得到相应的频谱幅度。其中，由于本发明的技术方案中模型是针对频谱幅度进行降噪，在模型训练过程中，仅需要分解出频谱幅度即可。具体的分解处理过程在此不再赘述。
S502、基于样本频谱幅度和无噪频谱幅度，对预设的语音增强模型进行训练，得到已训练的语音增强模型。
在本公开的实施例中，语音降噪装置在获得样本频谱幅度和无噪频谱幅度之后，进一步的，基于样本频谱幅度和无噪频谱幅度，对预设的语音增强模型进行训练，得到已训练的语音增强模型。
需要说明的是，在本公开的实施例中，预设的语音增强模型可以为包含至少一层预设的卷积神经网络和至少一层预设的循环神经网络的模型，当然，还可以包含全连接层等。预设的语音增强模型中，各网络层的相关参数均为预设的初始化参数，因此，需要进一步进行模型训练，确定准确的模型参数。
具体地，在本公开的实施例中，语音降噪装置基于样本频谱幅度和无噪频谱幅度，对预设的语音增强模型进行训练，得到已训练的语音增强模型，包括：利用预设的语音增强模型，对样本频谱幅度进行网络层处理，得到样本参数；将样本参数和样本频谱幅度相乘，得到第二频谱幅度；根据第二频谱幅度与无噪频谱幅度，计算训练损失函数；基于训练损失函数，采用预设优化函数对预设的语音增强模型进行参数调整，得到已训练的语音增强模型。
可以理解的是，在本公开的实施例中，语音降噪装置可以将样本频谱幅度输入预设的语音增强模型，以确定出第二频谱幅度，从而与无噪频谱幅度进行训练损失函数的计算。计算出的训练损失函数表征了模型降噪效果的优劣。因此，语音降噪装置可以基于训练损失函数，采用预设优化函数进行相关参数的调整。
需要说明的是，在本公开的实施例中，语音降噪装置对预设的语音增强模型进行参数调整，实际上体现在更新预设的语音增强模型包括的每一预设网络层的参数上，目的在于使模型输出的降噪频谱幅度更贴近于理想的频谱幅度，即无噪频谱幅度。
需要说明的是，在本公开的实施例中，语音降噪装置计算的训练损失函数，可以为均方误差(Mean-Square Error，MSE)、平均绝对误差(Mean Absolute Error，MAE)等类型的损失函数。预设优化函数可以为自适应矩估计(Adaptive moment estimation，Adam)、均方根传递(Root Mean Square propagation，RMSProp)，以及随机梯度下降(StochasticGradient Descent，SGD)等优化器。具体的训练损失函数和预设优化函数可以根据实际需求确定，本公开实施例不作限定。
需要说明的是，在本公开的实施例中，样本带噪语音信号可以为多个，相应的，样本无噪语音信号也可以为多个，因此，语音降噪装置可以针对预设的语音增强模型进行多次训练，直至得到的损失函数在一段时间内不再下降。
图6是实现本公开实施例提供的一种示例性的模型训练的过程示意图。如图6所示，语音降噪装置可以对样本带噪语音信号和样本无噪语音信号进行短时傅里叶变换和频谱分解，得到样本频谱幅度和无噪频谱幅度，之后，将样本频谱幅度输入预设的语音增强模型，利用预设的卷积神经网络、预设的循环神经网络和预设的全连接层进行降噪处理，得到第二频谱幅度，最后，计算第二频谱幅度和无噪频谱幅度之间的训练损失函数，从而对预设的语音增强模型中各网络层进行参数的调整。
本公开实施例提供了一种语音降噪方法，包括：对目标带噪语音信号进行频域分解处理，得到目标带噪语音信号对应的目标频谱幅度和目标频谱相位；利用已训练的语音增强模型对目标频谱幅度进行降噪处理，得到第一频谱幅度；已训练的语音增强模型为基于至少一层已训练的卷积神经网络和至少一层已训练的循环神经网络建立的组合模型；对目标频谱相位和第一频谱幅度进行时域合成处理，得到目标降噪语音信号。本公开实施例提供的技术方案，采用具备适应性的基于深度神经网络的模型，针对带噪语音信号进行降噪，从而提高了语音降噪效果。
根据本公开的一个或多个实施例，提供了一种语音降噪方法，所述方法包括：
对目标带噪语音信号进行频域分解，得到所述目标带噪语音信号对应的目标频谱幅度和目标频谱相位；
利用已训练的语音增强模型对所述目标频谱幅度进行降噪处理，得到第一频谱幅度；所述已训练的语音增强模型为基于至少一层已训练的卷积神经网络和至少一层已训练的循环神经网络建立的组合模型；
对所述目标频谱相位和所述第一频谱幅度进行时域合成处理，得到目标降噪语音信号。
在上述方案中，所述对目标带噪语音信号进行频域分解，得到所述目标带噪语音信号对应的目标频谱幅度和目标频谱相位，包括：
对所述目标带噪语音信号进行频域变换，得到所述目标带噪语音信号对应的目标频谱；
对所述目标频谱进行分解，得到所述目标频谱幅度和所述目标频谱相位。
在上述方案中，所述利用已训练的语音增强模型对所述目标频谱幅度进行降噪处理，得到第一频谱幅度，包括：
利用所述已训练的语音增强模型，对所述目标频谱幅度进行网络层处理，得到目标参数；
将所述目标参数和所述目标频谱幅度相乘，得到所述第一频谱幅度。
在上述方案中，所述对所述目标频谱相位和所述第一频谱幅度进行时域合成处理，得到目标降噪语音信号，包括：
将所述目标频谱相位和所述第一频谱幅度进行融合，得到第一频谱；
对所述第一频谱进行频域反变换，得到所述目标降噪语音信号。
在上述方案中，所述利用已训练的语音增强模型对所述目标频谱幅度进行降噪处理，得到第一频谱幅度之前，所述方法还包括：
对样本带噪语音信号和样本无噪语音信号进行频域分解，得到所述样本带噪语音信号对应的样本频谱幅度，以及所述样本无噪语音信号对应的无噪频谱幅度；其中，所述样本无噪语音信号为与所述样本带噪语音信号对应的不包含噪声的语音信号；
基于所述样本频谱幅度和所述无噪频谱幅度，对预设的语音增强模型进行训练，得到所述已训练的语音增强模型。
在上述方案中，所述基于所述样本频谱幅度和所述无噪频谱幅度，对预设的语音增强模型进行训练，得到所述已训练的语音增强模型，包括：
利用所述预设的语音增强模型，对所述样本频谱幅度进行网络层处理，得到样本参数；
将所述样本参数和所述样本频谱幅度相乘，得到第二频谱幅度；
根据所述第二频谱幅度与所述无噪频谱幅度，计算训练损失函数；
基于所述训练损失函数，采用预设优化函数对所述预设的语音增强模型进行参数调整，得到所述已训练的语音增强模型。
在上述方案中，所述已训练的语音增强模型中，所述至少一层已训练的卷积神经网络与所述至少一层已训练的循环神经网络顺序连接。
在上述方案中，所述已训练的语音增强模型还包括至少一层已训练的全连接层，所述至少一层已训练的全连接层与所述至少一层循环神经网络连接。
根据本公开的一个或多个实施例，提供了一种语音降噪装置，所述装置包括：
第一处理单元，用于对目标带噪语音信号进行频域分解，得到所述目标带噪语音信号对应的目标频谱幅度和目标频谱相位；
降噪单元，利用已训练的语音增强模型对所述目标频谱幅度进行降噪处理，得到第一频谱幅度；所述已训练的语音增强模型为基于至少一层已训练的卷积神经网络和至少一层已训练的循环神经网络建立的组合模型；
第二处理单元，对所述目标频谱相位和所述第一频谱幅度进行时域合成处理，得到目标降噪语音信号。
在上述装置中，所述第一处理单元，具体用于对所述目标带噪语音信号进行频域变换，得到所述目标带噪语音信号对应的目标频谱；对所述目标频谱进行分解，得到所述目标频谱幅度和所述目标频谱相位。
在上述装置中，所述降噪单元，具体用于利用所述已训练的语音增强模型，对所述目标频谱幅度进行网络层处理，得到目标参数；将所述目标参数和所述目标频谱幅度相乘，得到所述第一频谱幅度。
在上述装置中，所述第二处理单元，具体用于将所述目标频谱相位和所述第一频谱幅度进行融合，得到第一频谱；对所述第一频谱进行频域反变换，得到所述目标降噪语音信号。
在上述装置中，所述装置还包括模型训练单元；
所述第一处理单元，还用于对样本带噪语音信号和样本无噪语音信号进行频域分解，得到所述样本带噪语音信号对应的样本频谱幅度，以及所述样本无噪语音信号对应的无噪频谱幅度；其中，所述样本无噪语音信号为与所述样本带噪语音信号对应的不包含噪声的语音信号；
所述模型训练单元，用于基于所述样本频谱幅度和所述无噪频谱幅度，对预设的语音增强模型进行训练，得到所述已训练的语音增强模型。
在上述装置中，所述模型训练单元，具体用于利用所述预设的语音增强模型，对所述样本频谱幅度进行网络层处理，得到样本参数；将所述样本参数和所述样本频谱幅度相乘，得到第二频谱幅度；根据所述第二频谱幅度与所述无噪频谱幅度，计算训练损失函数；基于所述训练损失函数，采用预设优化函数对所述预设的语音增强模型进行参数调整，得到所述已训练的语音增强模型。
在上述装置中，所述已训练的语音增强模型中，所述至少一层已训练的卷积神经网络与所述至少一层已训练的循环神经网络顺序连接。
在上述装置中，所述已训练的语音增强模型还包括至少一层已训练的全连接层，所述至少一层已训练的全连接层与所述至少一层循环神经网络连接。
根据本公开的一个或多个实施例，提供了一种终端，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述可执行指令时，实现上述语音降噪方法。
根据本公开的一个或多个实施例，提供了一种存储介质，存储有可执行指令，所述可执行指令被处理器执行时，用于实现上述语音降噪方法。
以上描述仅为本公开的实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (18)

1.一种语音降噪方法，其特征在于，所述方法包括：
对目标带噪语音信号进行频域分解处理，得到所述目标带噪语音信号对应的目标频谱幅度和目标频谱相位；
利用已训练的语音增强模型对所述目标频谱幅度进行降噪处理，得到第一频谱幅度；所述已训练的语音增强模型为基于至少一层已训练的卷积神经网络和至少一层已训练的循环神经网络建立的组合模型；
对所述目标频谱相位和所述第一频谱幅度进行时域合成处理，得到目标降噪语音信号。
2.根据权利要求1所述的方法，其特征在于，所述对目标带噪语音信号进行频域分解处理，得到所述目标带噪语音信号对应的目标频谱幅度和目标频谱相位，包括：
对所述目标带噪语音信号进行频域变换，得到所述目标带噪语音信号对应的目标频谱；
对所述目标频谱进行分解，得到所述目标频谱幅度和所述目标频谱相位。
3.根据权利要求1所述的方法，其特征在于，所述利用已训练的语音增强模型对所述目标频谱幅度进行降噪处理，得到第一频谱幅度，包括：
利用所述已训练的语音增强模型，对所述目标频谱幅度进行网络层处理，得到目标参数；
将所述目标参数和所述目标频谱幅度相乘，得到所述第一频谱幅度。
4.根据权利要求1所述的方法，其特征在于，所述对所述目标频谱相位和所述第一频谱幅度进行时域合成处理，得到目标降噪语音信号，包括：
将所述目标频谱相位和所述第一频谱幅度进行融合，得到第一频谱；
对所述第一频谱进行频域反变换，得到所述目标降噪语音信号。
5.根据权利要求1所述的方法，其特征在于，所述利用已训练的语音增强模型对所述目标频谱幅度进行降噪处理，得到第一频谱幅度之前，所述方法还包括：
对样本带噪语音信号和样本无噪语音信号进行频域分解处理，得到所述样本带噪语音信号对应的样本频谱幅度，以及所述样本无噪语音信号对应的无噪频谱幅度；其中，所述样本无噪语音信号为与所述样本带噪语音信号对应的不包含噪声的语音信号；
基于所述样本频谱幅度和所述无噪频谱幅度，对预设的语音增强模型进行训练，得到所述已训练的语音增强模型。
6.根据权利要求5所述的方法，其特征在于，所述基于所述样本频谱幅度和所述无噪频谱幅度，对预设的语音增强模型进行训练，得到所述已训练的语音增强模型，包括：
利用所述预设的语音增强模型，对所述样本频谱幅度进行网络层处理，得到样本参数；
将所述样本参数和所述样本频谱幅度相乘，得到第二频谱幅度；
根据所述第二频谱幅度与所述无噪频谱幅度，计算训练损失函数；
基于所述训练损失函数，采用预设优化函数对所述预设的语音增强模型进行参数调整，得到所述已训练的语音增强模型。
7.根据权利要求1所述的方法，其特征在于，所述已训练的语音增强模型中，所述至少一层已训练的卷积神经网络与所述至少一层已训练的循环神经网络顺序连接。
8.根据权利要求1所述的方法，其特征在于，所述已训练的语音增强模型还包括至少一层已训练的全连接层，所述至少一层已训练的全连接层与所述至少一层循环神经网络连接。
9.一种语音降噪装置，其特征在于，所述装置包括：
第一处理单元，用于对目标带噪语音信号进行频域分解处理，得到所述目标带噪语音信号对应的目标频谱幅度和目标频谱相位；
降噪单元，利用已训练的语音增强模型对所述目标频谱幅度进行降噪处理，得到第一频谱幅度；所述已训练的语音增强模型为基于至少一层已训练的卷积神经网络和至少一层已训练的循环神经网络建立的组合模型；
第二处理单元，对所述目标频谱相位和所述第一频谱幅度进行时域合成处理，得到目标降噪语音信号。
10.根据权利要求9所述的装置，其特征在于，
所述第一处理单元，具体用于对所述目标带噪语音信号进行频域变换，得到所述目标带噪语音信号对应的目标频谱；对所述目标频谱进行分解，得到所述目标频谱幅度和所述目标频谱相位。
11.根据权利要求9所述的装置，其特征在于，
所述降噪单元，具体用于利用所述已训练的语音增强模型，对所述目标频谱幅度进行网络层处理，得到目标参数；将所述目标参数和所述目标频谱幅度相乘，得到所述第一频谱幅度。
12.根据权利要求9所述的装置，其特征在于，
所述第二处理单元，具体用于将所述目标频谱相位和所述第一频谱幅度进行融合，得到第一频谱；对所述第一频谱进行频域反变换，得到所述目标降噪语音信号。
13.根据权利要求9所述的装置，其特征在于，所述装置还包括模型训练单元；
所述第一处理单元，还用于对样本带噪语音信号和样本无噪语音信号进行频域分解处理，得到所述样本带噪语音信号对应的样本频谱幅度，以及所述样本无噪语音信号对应的无噪频谱幅度；其中，所述样本无噪语音信号为与所述样本带噪语音信号对应的不包含噪声的语音信号；
所述模型训练单元，用于基于所述样本频谱幅度和所述无噪频谱幅度，对预设的语音增强模型进行训练，得到所述已训练的语音增强模型。
14.根据权利要求13所述的装置，其特征在于，
所述模型训练单元，具体用于利用所述预设的语音增强模型，对所述样本频谱幅度进行网络层处理，得到样本参数；将所述样本参数和所述样本频谱幅度相乘，得到第二频谱幅度；根据所述第二频谱幅度与所述无噪频谱幅度，计算训练损失函数；基于所述训练损失函数，采用预设优化函数对所述预设的语音增强模型进行参数调整，得到所述已训练的语音增强模型。
15.根据权利要求9所述的装置，其特征在于，所述已训练的语音增强模型中，所述至少一层已训练的卷积神经网络与所述至少一层已训练的循环神经网络顺序连接。
16.根据权利要求9所述的装置，其特征在于，所述已训练的语音增强模型还包括至少一层已训练的全连接层，所述至少一层已训练的全连接层与所述至少一层循环神经网络连接。
17.一种终端，其特征在于，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述可执行指令时，实现如权利要求1至8任一项所述的语音降噪方法。
18.一种存储介质，其特征在于，存储有可执行指令，所述可执行指令被处理器执行时，用于实现如权利要求1至8任一项所述的语音降噪方法。
CN202010080754.8A 2020-02-05 2020-02-05 一种语音降噪方法、装置、终端及存储介质 Pending CN113223545A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010080754.8A CN113223545A (zh) 2020-02-05 2020-02-05 一种语音降噪方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010080754.8A CN113223545A (zh) 2020-02-05 2020-02-05 一种语音降噪方法、装置、终端及存储介质

Publications (1)

Publication Number Publication Date
CN113223545A true CN113223545A (zh) 2021-08-06

Family

ID=77085643

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010080754.8A Pending CN113223545A (zh) 2020-02-05 2020-02-05 一种语音降噪方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN113223545A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113593598A (zh) * 2021-08-09 2021-11-02 深圳远虑科技有限公司 音频放大器在待机状态下的降噪方法、装置和电子设备
CN114067826A (zh) * 2022-01-18 2022-02-18 深圳市友杰智新科技有限公司 语音降噪方法、装置、设备及存储介质
CN114333882A (zh) * 2022-03-09 2022-04-12 深圳市友杰智新科技有限公司 基于幅度谱的语音降噪方法、装置、设备及存储介质
CN114360559A (zh) * 2021-12-17 2022-04-15 北京百度网讯科技有限公司 语音合成方法、装置、电子设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3040984A1 (en) * 2015-01-02 2016-07-06 Harman Becker Automotive Systems GmbH Sound zone arrangement with zonewise speech suppression
CN107452389A (zh) * 2017-07-20 2017-12-08 大象声科（深圳）科技有限公司 一种通用的单声道实时降噪方法
US10043527B1 (en) * 2015-07-17 2018-08-07 Digimarc Corporation Human auditory system modeling with masking energy adaptation
CN109215674A (zh) * 2018-08-10 2019-01-15 上海大学 实时语音增强方法
CN109841226A (zh) * 2018-08-31 2019-06-04 大象声科（深圳）科技有限公司 一种基于卷积递归神经网络的单通道实时降噪方法
US20190318755A1 (en) * 2018-04-13 2019-10-17 Microsoft Technology Licensing, Llc Systems, methods, and computer-readable media for improved real-time audio processing

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3040984A1 (en) * 2015-01-02 2016-07-06 Harman Becker Automotive Systems GmbH Sound zone arrangement with zonewise speech suppression
US10043527B1 (en) * 2015-07-17 2018-08-07 Digimarc Corporation Human auditory system modeling with masking energy adaptation
CN107452389A (zh) * 2017-07-20 2017-12-08 大象声科（深圳）科技有限公司 一种通用的单声道实时降噪方法
US20190318755A1 (en) * 2018-04-13 2019-10-17 Microsoft Technology Licensing, Llc Systems, methods, and computer-readable media for improved real-time audio processing
CN109215674A (zh) * 2018-08-10 2019-01-15 上海大学 实时语音增强方法
CN109841226A (zh) * 2018-08-31 2019-06-04 大象声科（深圳）科技有限公司 一种基于卷积递归神经网络的单通道实时降噪方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113593598A (zh) * 2021-08-09 2021-11-02 深圳远虑科技有限公司 音频放大器在待机状态下的降噪方法、装置和电子设备
CN113593598B (zh) * 2021-08-09 2024-04-12 深圳远虑科技有限公司 音频放大器在待机状态下的降噪方法、装置和电子设备
CN114360559A (zh) * 2021-12-17 2022-04-15 北京百度网讯科技有限公司 语音合成方法、装置、电子设备和存储介质
CN114067826A (zh) * 2022-01-18 2022-02-18 深圳市友杰智新科技有限公司 语音降噪方法、装置、设备及存储介质
CN114333882A (zh) * 2022-03-09 2022-04-12 深圳市友杰智新科技有限公司 基于幅度谱的语音降噪方法、装置、设备及存储介质
CN114333882B (zh) * 2022-03-09 2022-08-19 深圳市友杰智新科技有限公司 基于幅度谱的语音降噪方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN113223545A (zh) 一种语音降噪方法、装置、终端及存储介质
CN111583903B (zh) 语音合成方法、声码器训练方法、装置、介质及电子设备
CN111246037B (zh) 一种回声消除方法、装置、终端设备及介质
CN111833895B (zh) 音频信号处理方法、装置、计算机设备和介质
CN111968647B (zh) 语音识别方法、装置、介质及电子设备
CN112767959B (zh) 语音增强方法、装置、设备及介质
CN112634928A (zh) 声音信号处理方法、装置和电子设备
CN111724807A (zh) 音频分离方法、装置、电子设备及计算机可读存储介质
CN112712801A (zh) 一种语音唤醒方法、装置、电子设备及存储介质
CN112259079A (zh) 语音识别的方法、装置、设备和计算机可读介质
US20240037349A1 (en) Model training method and apparatus, machine translation method and apparatus, and device and storage medium
CN112257459B (zh) 语言翻译模型的训练方法、翻译方法、装置和电子设备
CN111798865A (zh) 终端马达的检测方法、装置、终端及存储介质
CN111653261A (zh) 语音合成方法、装置、可读存储介质及电子设备
CN113823312B (zh) 语音增强模型生成方法和装置、语音增强方法和装置
US10650839B2 (en) Infinite impulse response acoustic echo cancellation in the frequency domain
CN116072108A (zh) 模型生成方法、语音识别方法、装置、介质及设备
CN113496706A (zh) 音频处理方法、装置、电子设备及存储介质
WO2022227932A1 (zh) 声音信号处理方法、装置和电子设备
US9443503B2 (en) Signal processing device, signal processing method and signal processing program
CN113763976B (zh) 音频信号的降噪方法、装置、可读介质和电子设备
CN113113038A (zh) 回声消除方法、装置及电子设备
CN114501281A (zh) 声音调整方法、装置、电子设备和计算机可读介质
CN113780534A (zh) 网络模型的压缩方法、图像生成方法、装置、设备及介质
CN111145776B (zh) 音频处理方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination