CN114758671A - 语音的等响度补偿方法、装置、设备及介质 - Google Patents
语音的等响度补偿方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114758671A CN114758671A CN202210495858.4A CN202210495858A CN114758671A CN 114758671 A CN114758671 A CN 114758671A CN 202210495858 A CN202210495858 A CN 202210495858A CN 114758671 A CN114758671 A CN 114758671A
- Authority
- CN
- China
- Prior art keywords
- loudness
- voice
- spectrum
- frequency
- level
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000001228 spectrum Methods 0.000 claims abstract description 149
- 230000001131 transforming effect Effects 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 17
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 description 38
- 238000010586 diagram Methods 0.000 description 14
- 230000006854 communication Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 210000005069 ears Anatomy 0.000 description 12
- 230000015654 memory Effects 0.000 description 10
- 230000008447 perception Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000009432 framing Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000037433 frameshift Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques 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
- G10L21/0316—Speech enhancement, e.g. noise reduction or echo cancellation by changing the amplitude
- G10L21/0324—Details of processing therefor
- G10L21/034—Automatic adjustment
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Tone Control, Compression And Expansion, Limiting Amplitude (AREA)
Abstract
本公开提供了一种语音的等响度补偿方法,可以应用于金融技术领域或其他领域。该语音的等响度补偿方法包括:将语音信号从时域变换至频域,得到语音频谱;基于等响度级曲线将语音频谱每个频点的幅度转换成响度级;根据语音频谱中所有频点的响度级确定期望响度级;基于期望响度级和等响度级曲线对语音频谱进行响度补偿;将经响度补偿后的语音频谱转换成能量谱;将能量谱从频域变换至时域,得到经响度补偿的语音信号。本公开还提供了一种语音的等响度补偿装置、设备、存储介质和程序产品。
Description
技术领域
本公开涉及金融技术领域,具体涉及数据处理技术,更具体地涉及一种语音的等响度补偿方法、装置、设备、介质和程序产品。
背景技术
在语音通信过程中,由于一些人为或客观因素,导致语音信号响度不一致,会影响人耳听觉感受,降低了人与人之间的交流效率。在相关技术中,使用语音信号的平均功率值和最小均方误差算法进行增益值迭代,从而对语音信号进行增益调整。
在实现本公开构思的过程中,发明人发现相关技术中至少存在如下问题:
上述语音信号的增益调整忽视了不同频域语音对人耳听觉感知的影响,导致入耳的听觉舒适度欠佳。
发明内容
鉴于上述问题,本公开提供了提高人耳听觉舒适度的语音的等响度补偿方法、装置、设备、介质和程序产品。
本公开的第一个方面提供了一种语音的等响度补偿方法,包括:将语音信号从时域变换至频域,得到语音频谱;基于等响度级曲线将所述语音频谱每个频点的幅度转换成响度级;根据所述语音频谱中所有频点的响度级确定期望响度级;基于所述期望响度级和所述等响度级曲线对所述语音频谱进行响度补偿;将经响度补偿后的所述语音频谱转换成能量谱;将所述能量谱从频域变换至时域,得到经响度补偿的语音信号。
根据本公开的实施例,所述基于等响度级曲线将所述语音频谱每个频点的幅度转换成响度级包括:将所述语音频谱每个频点的幅度转换成声压级;根据所述等响度级曲线和所述声压级确定所述语音频谱每个频点的响度级。
根据本公开的实施例,所述根据所述等响度级曲线和所述声压级确定所述语音频谱每个频点的响度级包括:根据所述等响度级曲线的声压级转换响度级公式计算所述声压级对应不同频率的离散响度级;对所述离散响度级值进行样条插值函数处理,得到关于频率和响度级之间的连续函数;根据所述连续函数确定所述语音频谱的每个频点对应的响度级。
根据本公开的实施例,所述根据所述语音频谱中所有频点的响度级确定期望响度级包括:将所述语音频谱中所有频点的响度级中的最大值作为所述期望响度级。
根据本公开的实施例,所述基于所述期望响度级和所述等响度级曲线对所述语音频谱进行响度补偿包括:根据所述等响度级曲线的响度级转声压级公式计算所述期望响度级对应不同频点的离散声压级;对所述离散声压级进行样条插值函数处理,得到关于频率和期望声压级之间的连续函数;根据所述连续函数确定所述语音频谱的每个频点对应的期望声压级,完成响度补偿。
根据本公开的实施例,所述将经响度补偿后的所述语音频谱转换成能量谱包括:将所述语音频谱的每个频点对应的所述期望声压级转换成能量谱密度值。
根据本公开的实施例,所述将语音信号从时域变换至频域,得到语音频谱包括:对所述语音信号进行分帧加窗;对经分帧加窗的所述语音信号进行离散傅里叶变换;根据离散傅里叶变换结果确定与每个语音帧对应的所述语音频谱。
根据本公开的实施例,所述将所述能量谱从频域变换至时域,得到经响度补偿的语音信号包括:将与所述语音帧对应的能量谱进行离散傅里叶逆变换;根据离散傅里叶逆变换结果确定经响度补偿的语音帧;将所述经响度补偿的语音帧依次重叠拼接后得到所述经响度补偿的语音信号。
本公开的第二方面提供了一种语音的等响度补偿装置,包括:第一变换模块,用于将语音信号从时域变换至频域,得到语音频谱;第一转换模块,用于基于等响度级曲线将所述语音频谱每个频点的幅度转换成响度级;确定模块,用于根据所述语音频谱中所有频点的响度级确定期望响度级;补偿模块,用于基于所述期望响度级和所述等响度级曲线对所述语音频谱进行响度补偿;第二转换模块,用于将经响度补偿后的所述语音频谱转换成能量谱;以及第二变换模块,用于将所述能量谱从频域变换至时域,得到经响度补偿的语音信号。
根据本公开的实施例,所述第一转换模块包括:第一转换单元,用于将所述语音频谱每个频点的幅度转换成声压级;第一确定单元,用于根据所述等响度级曲线和所述声压级确定所述语音频谱每个频点的响度级。
根据本公开的实施例,所述第一确定单元包括:第一计算子单元,用于根据所述等响度级曲线的声压级转换响度级公式计算所述声压级对应不同频率的离散响度级;第一插值子单元,用于对所述离散响度级值进行样条插值函数处理,得到关于频率和响度级之间的连续函数;以及第一确定子单元,用于根据所述连续函数确定所述语音频谱的每个频点对应的响度级。
根据本公开的实施例,所述确定模块用于将所述语音频谱中所有频点的响度级中的最大值作为所述期望响度级。
根据本公开的实施例,所述补偿模块包括第二确定单元,用于根据所述期望响度级和所述等响度级曲线确定所述语音频谱每个频点的期望声压级,完成响度补偿。
根据本公开的实施例,所述第二确定单元包括:第二计算子单元,用于根据所述等响度级曲线的响度级转声压级公式计算所述期望响度级对应不同频点的离散声压级;第二插值子单元,用于对所述离散声压级进行样条插值函数处理,得到关于频率和期望声压级之间的连续函数;第二确定子单元,根据所述连续函数确定所述语音频谱的每个频点对应的期望声压级,完成响度补偿。
根据本公开的实施例,所述第二转换模块包括第二转换单元,用于将所述语音频谱的每个频点对应的所述期望声压级转换成能量谱密度。
根据本公开的实施例,所述第一变换模块包括:分帧加窗单元,用于对所述语音信号进行分帧加窗;傅里叶变换单元,用于对经分帧加窗的所述语音信号进行离散傅里叶变换;第三确定单元,用于根据离散傅里叶变换结果确定与每个语音帧对应的所述语音频谱。
根据本公开的实施例,所述第二变换模块包括:傅里叶逆变换单元,将与所述语音帧对应的能量谱进行离散傅里叶逆变换;第四确定单元,根据离散傅里叶逆变换结果确定经响度补偿的语音帧;拼接单元,用于将所述经响度补偿的语音帧依次重叠拼接后得到所述经响度补偿的语音信号。
本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述语音的等响度补偿方法。
本公开的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述语音的等响度补偿方法。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述语音的等响度补偿方法。
根据本公开的实施例,因为采用了基于等响度级曲线将语音频域信号中不同频点的幅度转换为响度级,可以根据所有频点的响度级确定期望响度级,从而基于期望响度级来对语音频谱进行响度补偿的技术手段,所以至少部分地克服了忽视不同频域语音对人耳听觉感知的影响的技术问题,进而达到了使语音信号中不同频率成分在响度补偿后接近最大期望值,响度更加集中,从而改善人耳的听觉舒适度。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的语音的等响度补偿方法、装置、设备、介质和程序产品的应用场景图;
图2示意性示出了根据本公开实施例的语音的等响度补偿方法的流程图;
图3示意性示出了根据本公开实施例的将语音信号从时域变换至频域以得到语音频谱的流程图;
图4示意性示出了根据本公开实施例的将语音频谱每个频点的幅度转换成响度级的流程图;
图5示意性示出了根据本公开实施例的基于等响度级曲线和语音频谱的声压级确定响度级的流程图;
图6示意性示出了根据本公开实施例的对语音频谱进行响度补偿的流程图;
图7示意性示出了根据本公开实施例的将能量谱从频域变换至时域以得到经响度补偿的语音信号的流程图;
图8示意性示出了根据本公开实施例的语音信号经等响度补偿前后的均方误差比较图;
图9示意性示出了根据本公开实施例的语音的等响度补偿装置的结构框图;以及
图10示意性示出了根据本公开实施例的适于实现语音的等响度补偿方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在实现本公开的过程中,发现基于等响度级曲线可以在不同频率和声压级下对声音响度进行比较从而确定期望响度级,并且基于期望响度级对语音信号的响度进行增益调整,从而得到不同频率下的期望声压级,完成响度补偿。将该方案应用于语音应用场景例如智能外呼、人工外呼等通话场景,或者录音播放等,改善了人耳听觉舒适度,提升服务效率。
需要说明的是,本公开的语音的等响度补偿确定的方法和装置可用于金融领域,具体可用于数据处理技术领域,也可用于除金融领域之外的任意领域,本公开语音的等响度补偿的方法和装置的应用领域不做限定。
在本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
本公开的实施例提供了一种语音的等响度补偿方法和装置,该方法包括将语音信号从时域变换至频域,得到语音频谱;基于等响度级曲线将语音频谱每个频点的幅度转换成响度级;根据语音频谱中所有频点的响度级确定期望响度级;基于期望响度级和等响度级曲线对语音频谱进行响度补偿;将经响度补偿后的语音频谱转换成能量谱;将能量谱从频域变换至时域,得到经响度补偿的语音信号。
图1示意性示出了根据本公开实施例的语音的等响度补偿方法、装置、设备、介质和程序产品的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括终端设备101、102、103、网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如语音通信应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是支持语音通信的各种电子设备,包括但不限于智能手机、座机电话、笔记本电脑等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103在语音通信过程中所采集的语音信号进行处理提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求、语音信号等数据进行分析等处理,并将处理结果(例如根据用户请求生成的语音信号等数据)反馈给终端设备。
需要说明的是,本公开实施例所提供的语音的等响度补偿方法一般可以由服务器105执行。相应地,本公开实施例所提供的语音的等响度补偿装置一般可以设置于服务器105中。本公开实施例所提供的语音的等响度补偿方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的语音的等响度补偿装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
或者,本公开实施例所提供的语音的等响度补偿方法一般可以由终端设备101、102、103执行。相应地,本公开实施例所提供的用于语音的等响度补偿装置也可设置于终端设备101、102、103中。
例如,终端设备所采集的语音信号例如通话录音等可以原本存储在终端设备101、102、或103中的任意一个(例如,终端设备101,但不限于此)之中,或者存储在外部存储设备上并可以导入到终端设备101中。然后,终端设备101可以在本地执行本公开实施例所提供的语音的等响度补偿方法,或者将其采集的语音信号发送到其他终端设备、服务器、或服务器集群,并由接收该语音信号的其他终端设备、服务器、或服务器集群来执行本公开实施例所提供的语音的等响度补偿方法。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2~图8对公开实施例的语音的等响度补偿方法进行详细描述。
图2示意性示出了根据本公开实施例的语音的等响度补偿方法的流程图。
如图2所示,该实施例的语音的等响度补偿方法200包括操作S210~操作S260,该交易处理方法可以由终端设备、服务器或服务器集群等设备执行。
在操作S210,将语音信号从时域变换至频域,得到语音频谱;
在操作S220,基于等响度级曲线将语音频谱每个频点的幅度转换成响度级;
在操作S230,根据语音频谱中所有频点的响度级确定期望响度级;
在操作S240,基于期望响度级和等响度级曲线对语音频谱进行响度补偿;
在操作S250,将经响度补偿后的语音频谱转换成能量谱;
在操作S260,将能量谱从频域变换至时域,得到经响度补偿的语音信号。
根据本公开的实施例,语音信号通常为对声音模拟信号进行模数转换后采样所获得的离散信号。在采集语音信号的过程中,在1秒钟内对声音模拟信号的采样次数即为采样率。例如,16KHz采样率的语音信号表示1S内有16K个语音点数。
根据本公开的实施例,语音信号在时域上表现为幅度随时间变化的过程,而在频域上则表现为幅度随频率变化的过程。将语音信号从时域变换至频域所得的语音频谱中包含多个频点,每个频点对应于一个频率值或一段频段。例如,对于采样率为16KHz的语音信号而言,在变换至频域域后得到的语音频谱中在1s内有16K个频点。
根据本公开的实施例,由于人耳所感知到的声音响度是声压强度和频率的组合,在相同声压强度的条件下,由于频率不同,人耳所感知的声音响度也可能不同。而等响度级曲线则是经过大量实验所获得的典型听者认为响度相同的纯音的声压级与频率的关系的曲线,充分刻画了人耳对不同频率声音的听觉感知度。
根据本公开的实施例,可以选取1KHz的纯音作为基准音,对人耳在各个频率的听力通过大量实验进行测试,把不同频率上响度一致的纯音声压级连接成等响度级曲线。
根据本公开的实施例,因为采用了基于等响度级曲线将语音频域信号中不同频点的幅度转换为响度级,可以根据所有频点的响度级确定期望响度级,从而基于期望响度级来对语音频谱进行响度补偿的技术手段,所以至少部分地克服了忽视不同频域语音对人耳听觉感知的影响的技术问题,进而达到了使语音信号中不同频率成分在响度补偿后接近最大期望值,响度更加集中,从而改善人耳的听觉舒适度。
图3示意性示出了根据本公开实施例的将语音信号从时域变换至频域以得到语音频谱的流程图。
如图3所示,操作S210包括子操作S211~S213。
在子操作S211,对语音信号进行分帧加窗;在子操作S212,对经分帧加窗的语音信号进行离散傅里叶变换;在子操作S213,根据离散傅里叶变换结果确定与每个语音帧对应的语音频谱。
根据本公开的实施例,在实现本公开的过程中发现,在子操作S211,由于语音信号在10~20ms内具有短时平稳性,因此基于这个特性对语音信号进行分帧处理,得到多个语音帧,每个语音帧的帧长例如可以是15ms;进一步地,为了后续进行傅里叶展开而进行加窗处理,此时为了确保语音帧之间的连续性,相邻的两个语音帧之间可以存在帧移。
根据本公开的实施例,以选取的窗函数为海宁窗(即hanning窗)为例,该窗函数h(n)表示为:
其中,N表示每帧语音帧的语音点数,取值例如可以是256。海宁窗具有较好的频率分辨率以及较少的频率泄露,适用于语音信号处理过程。
根据本公开的实施例,在子操作S211和S212,通过离散傅里叶变换可以将语音信号从时域变换到频域,得到对应于每个语音帧的语音频谱。该语音频谱X(k)表示为:
其中,N和h(n)含义同前述,k表示语音频谱上的频点,i表示虚部,由于语音频谱具有对称性,因此k最大取值为语音点数的一半,x(k)表示每个语音帧的时域信号。
图4示意性示出了根据本公开实施例的将语音频谱每个频点的幅度转换成响度级的流程图。
如图4所示,为了将语音频谱每个频点的幅度转换成响度级,操作S220包括子操作S221~S222。
在操作S221,将语音频谱每个频点的幅度转换成声压级;在操作S222,根据等响度级曲线和声压级确定语音频谱每个频点的响度级。
根据本公开的实施例,声压级定义为声压有效值与参考声压的比值取对数以表示声音强弱,在一些实施例中,对于语音频谱而言,该语音频谱的声压级L(k)可表示为:
其中,X(k)、k和N含义同前述,p0为标准气压值,取值为2*10-5。
根据本公开的实施例,等响度曲线以标准等响度级曲线(GB/T 4963-2007)为例,在每个频点对应频率或频段位于20~12500Hz范围内,可以将语音频谱的每个频点对应的声压级推导至响度级。
根据本公开的实施例,通过将语音频谱的幅度转换成声压级,再基于等响度级曲线将语音频谱的声压级转换为响度级,基于不同频率对人耳听觉效果的影响,利用这种标准转换可以对不同频率下语音响度进行比较。
图5示意性示出了根据本公开实施例的基于等响度级曲线和语音频谱的声压级确定响度级的流程图。
如图5所示,子操作S222包括子操作S510~S530。
在子操作S510,根据等响度级曲线的声压级转换响度级公式计算声压级对应不同频率的离散响度级;在子操作S520,对离散响度级值进行样条插值函数处理,得到关于频率和响度级之间的连续函数;在子操作S530,根据连续函数确定语音频谱的每个频点对应的响度级。
根据本公开的实施例,以标准等响度级曲线为例,其提供了分别对应于28个频率的用于计算标准等响度级曲线的参数,基于这些参数以及第k个频点对应的声压级,得到对应于不同频率的28个离散响度级。
具体而言,标准等响度级曲线的声压级Lp转换响度级LN公式为:
LN=40·lgBf+94 (四)
其中,Tf表示听阈,单位为分贝;af表示响度感觉幂指数;LU表示对1000Hz归一化线性传递函数的幅值,单位为分贝;Tf、af、LU分别对应计算标准等响度级曲线的28个频率下的参数值;针对本公开的语音频谱,Lp即语音频谱的声压级L(k)对应于第k个频点的声压级,根据该声压级Lp可得到28个离散响度级LN。
根据本公开的实施例,因为语音频谱的第k个频点所对应的频率或频段不一定落入前述28个频率,因此,通过样条插值函数处理可以在离散响度级的基础上插补连续函数,使得到的连续曲线经过全部离散响度级,同时可估计出对应于语音频谱中第k个频点所对应的其他频率或频段下的响度级Pe(k)。其中,样条插值函数处理可使用三次样条插值法,也即spline插值,但并不局限于此。
根据本公开的实施例,操作S230具体包括将语音频谱中所有频点的响度级中的最大值作为期望响度级,在一些实施例中,可表示为:
其中,k和N含义同前述,Pe(k)为语音频谱中第k个频点的响度级,Pexp为每帧语音帧对应的语音频谱的期望响度级。
然而并不局限于此,在一些实施例中,也可对所有频点的响度级取平均数来作为期望值。
根据本公开的实施例,基于期望响度级可以使不同频率成分的语音信号在响度补偿后接近最大期望值,改善听觉舒适度。
图6示意性示出了根据本公开实施例的对语音频谱进行响度补偿的流程图。
如图6所示,操作S240包括子操作S241~S243。
在子操作S241,根据等响度级曲线的响度级转声压级公式计算期望响度级对应不同频点的离散声压级;在子操作S242,对离散声压级进行样条插值函数处理,得到关于频率和期望声压级之间的连续函数;在子操作S243,根据连续函数确定语音频谱的每个频点对应的期望声压级,完成响度补偿。
根据本公开的实施例,以标准等响度级曲线为例,响度级转声压级公式为:
其中,LN′表示与每帧语音帧对应的语音频谱的期望响度级Pexp,Tf、af、LU、Pexp含义同前述,类似地,基于每帧语音帧对应的语音频谱的期望响度级可得到28个离散声压级Lp′。
根据本公开的实施例,通过样条插值函数可在离散声压级的基础上插补连续函数,使得到的连续曲线经过全部离散声压级,同时可估计出每帧语音帧对应的语音频谱中第k个频点所对应的期望声压级在此基础上,较为准确的确定了语音频谱中每个频点的期望声压级。
根据本公开的实施例,基于等响度级曲线的公式推导实现了在不同频率和声压级下对声音响度进行比较从而确定期望响度级,并且基于期望响度级得到不同频率下的期望声压级,完成响度补偿。
根据本公开的实施例,操作S250具体包括:将语音频谱的每个频点对应的期望声压级转换成能量谱密度,可表示为:
图7示意性示出了根据本公开实施例的将能量谱从频域变换至时域以得到经响度补偿的语音信号的流程图。
如图7所示,操作S260具体包括子操作S261~S263。
在子操作S261,将与语音帧对应的能量谱进行离散傅里叶逆变换;在子操作S262,根据离散傅里叶逆变换结果确定经响度补偿的语音帧;在子操作S263,将经响度补偿的语音帧依次重叠拼接后得到经响度补偿的语音信号。
根据本公开的实施例,基于能量谱进行傅里叶逆变换后得到语音帧,通过对语音帧重叠拼接得到完整的语音信号,不易导致语音信号失真。
图8示意性示出了根据本公开实施例的语音信号经等响度补偿前后的均方误差比较图。
如图8所示,上方曲线表示经等响度补偿前语音信号的响度级与期望响度级的均方误差结果,下方曲线表示经等响度补偿后语音信号的响度级与期望响度级的均方误差结果。可以表明,经过等响度补偿后的语音信号响度更接近期望值,语音信号的响度变化幅度更小,响度更集中,更加满足人耳对语音响度的听觉感受。
基于上述语音的等响度补偿方法,本公开还提供了一种语音的等响度补偿装置。以下将结合图9对该装置进行详细描述。
图9示意性示出了根据本公开实施例的语音的等响度补偿装置的结构框图。
如图9所示,该实施例的语音的等响度补偿装置900包括第一变换模块910、第一转换模块920、确定模块930、补偿模块940、第二转换模块950以及第二变换模块960。
第一变换模块910用于将语音信号从时域变换至频域,得到语音频谱。在一实施例中,第一变换模块910可以用于执行前文描述的操作S210,在此不再赘述。
第一转换模块920用于基于等响度级曲线将语音频谱每个频点的幅度转换成响度级。在一实施例中,第一转换模块920可以用于执行前文描述的操作S220,在此不再赘述。
确定模块930用于根据语音频谱中所有频点的响度级确定期望响度级。在一实施例中,确定模块930可以用于执行前文描述的操作S230,在此不再赘述。
补偿模块940,用于基于期望响度级和等响度级曲线对语音频谱进行响度补偿。在一实施例中,补偿模块940可以用于执行前文描述的操作S240,在此不再赘述。
第二转换模块950,用于将经响度补偿后的语音频谱转换成能量谱。在一实施例中,第二转换模块950可以用于执行前文描述的操作S250,在此不再赘述。
第二变换模块960,用于将能量谱从频域变换至时域,得到经响度补偿的语音信号。在一实施例中,第二变换模块960可以用于执行前文描述的操作S260,在此不再赘述。
根据本公开的实施例,第一转换模块包括:第一转换单元,用于将语音频谱每个频点的幅度转换成声压级;第一确定单元,用于根据等响度级曲线和声压级确定语音频谱每个频点的响度级。
根据本公开的实施例,第一确定单元包括:第一计算子单元,用于根据等响度级曲线的声压级转换响度级公式计算声压级对应不同频率的离散响度级;第一插值子单元,用于对离散响度级值进行样条插值函数处理,得到关于频率和响度级之间的连续函数;以及第一确定子单元,用于根据连续函数确定语音频谱的每个频点对应的响度级。
根据本公开的实施例,确定模块用于将语音频谱中所有频点的响度级中的最大值作为期望响度级。
根据本公开的实施例,补偿模块包括第二确定单元,用于根据期望响度级和等响度级曲线确定语音频谱每个频点的期望声压级,完成响度补偿。
根据本公开的实施例,第二确定单元包括:第二计算子单元,用于根据等响度级曲线的响度级转声压级公式计算期望响度级对应不同频点的离散声压级;第二插值子单元,用于对离散声压级进行样条插值函数处理,得到关于频率和期望声压级之间的连续函数;第二确定子单元,根据连续函数确定语音频谱的每个频点对应的期望声压级,完成响度补偿。
根据本公开的实施例,第二转换模块包括第二转换单元,用于将语音频谱的每个频点对应的期望声压级转换成能量谱密度。
根据本公开的实施例,第一变换模块包括:分帧加窗单元,用于对语音信号进行分帧加窗;傅里叶变换单元,用于对经分帧加窗的语音信号进行离散傅里叶变换;第三确定单元,用于根据离散傅里叶变换结果确定与每个语音帧对应的语音频谱。
根据本公开的实施例,第二变换模块包括:傅里叶逆变换单元,将与语音帧对应的能量谱进行离散傅里叶逆变换;第四确定单元,根据离散傅里叶逆变换结果确定经响度补偿的语音帧;拼接单元,用于将经响度补偿的语音帧依次重叠拼接后得到经响度补偿的语音信号。
根据本公开的实施例,第一变换模块910、第一转换模块920、确定模块930、补偿模块940、第二转换模块950以及第二变换模块960中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,第一变换模块910、第一转换模块920、确定模块930、补偿模块940、第二转换模块950以及第二变换模块960中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一变换模块910、第一转换模块920、确定模块930、补偿模块940、第二转换模块950以及第二变换模块960的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图10示意性示出了根据本公开实施例的适于实现语音的等响度补偿方法的电子设备的方框图。
如图10所示,根据本公开实施例的电子设备1000包括处理器1001,其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1003中,存储有电子设备1000操作所需的各种程序和数据。处理器1001、ROM 1002以及RAM 1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM1003中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备1000还可以包括输入/输出(I/O)接口1005,输入/输出(I/O)接口1005也连接至总线1004。电子设备1000还可以包括连接至I/O接口1005的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007;包括硬盘等的存储部分1008;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储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执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、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。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 1002和/或RAM 1003和/或ROM 1002和RAM 1003以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的物品推荐方法。
在该计算机程序被处理器1001执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分1009被下载和安装,和/或从可拆卸介质1011被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“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设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,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,上述模块、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,框图或流程图中的每个方框、以及框图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。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (12)
1.一种语音的等响度补偿方法,包括:
将语音信号从时域变换至频域,得到语音频谱;
基于等响度级曲线将所述语音频谱每个频点的幅度转换成响度级;
根据所述语音频谱中所有频点的响度级确定期望响度级;
基于所述期望响度级和所述等响度级曲线对所述语音频谱进行响度补偿;
将经响度补偿后的所述语音频谱转换成能量谱;
将所述能量谱从频域变换至时域,得到经响度补偿的语音信号。
2.根据权利要求1所述的等响度补偿方法,其中,所述基于等响度级曲线将所述语音频谱每个频点的幅度转换成响度级包括:
将所述语音频谱每个频点的幅度转换成声压级;
根据所述等响度级曲线和所述声压级确定所述语音频谱每个频点的响度级。
3.根据权利要求2所述的等响度补偿方法,其中,所述根据所述等响度级曲线和所述声压级确定所述语音频谱每个频点的响度级包括:
根据所述等响度级曲线的声压级转换响度级公式计算所述声压级对应不同频率的离散响度级;
对所述离散响度级值进行样条插值函数处理,得到关于频率和响度级之间的连续函数;
根据所述连续函数确定所述语音频谱的每个频点对应的响度级。
4.根据权利要求1所述的等响度补偿方法,其中,所述根据所述语音频谱中所有频点的响度级确定期望响度级包括:
将所述语音频谱中所有频点的响度级中的最大值作为所述期望响度级。
5.根据权利要求1所述的等响度补偿方法,其中,所述基于所述期望响度级和所述等响度级曲线对所述语音频谱进行响度补偿包括:
根据所述等响度级曲线的响度级转声压级公式计算所述期望响度级对应不同频点的离散声压级;
对所述离散声压级进行样条插值函数处理,得到关于频率和期望声压级之间的连续函数;
根据所述连续函数确定所述语音频谱的每个频点对应的期望声压级,完成响度补偿。
6.根据权利要求5所述的等响度补偿方法,其中,所述将经响度补偿后的所述语音频谱转换成能量谱包括:
将所述语音频谱的每个频点对应的所述期望声压级转换成能量谱密度。
7.根据权利要求1所述的等响度补偿方法,其中,所述将语音信号从时域变换至频域,得到语音频谱包括:
对所述语音信号进行分帧加窗;
对经分帧加窗的所述语音信号进行离散傅里叶变换;
根据离散傅里叶变换结果确定与每个语音帧对应的所述语音频谱。
8.根据权利要求7所述的等响度补偿方法,其中,所述将所述能量谱从频域变换至时域,得到经响度补偿的语音信号包括:
将与所述语音帧对应的能量谱进行离散傅里叶逆变换;
根据离散傅里叶逆变换结果确定经响度补偿的语音帧;
将所述经响度补偿的语音帧依次重叠拼接后得到所述经响度补偿的语音信号。
9.一种语音的等响度补偿装置,包括:
第一变换模块,用于将语音信号从时域变换至频域,得到语音频谱;
第一转换模块,用于基于等响度级曲线将所述语音频谱每个频点的幅度转换成响度级;
确定模块,用于根据所述语音频谱中所有频点的响度级确定期望响度级;
补偿模块,用于基于所述期望响度级和所述等响度级曲线对所述语音频谱进行响度补偿;
第二转换模块,用于将经响度补偿后的所述语音频谱转换成能量谱;以及
第二变换模块,用于将所述能量谱从频域变换至时域,得到经响度补偿的语音信号。
10.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~8中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~8中任一项所述的方法。
12.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210495858.4A CN114758671A (zh) | 2022-05-07 | 2022-05-07 | 语音的等响度补偿方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210495858.4A CN114758671A (zh) | 2022-05-07 | 2022-05-07 | 语音的等响度补偿方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114758671A true CN114758671A (zh) | 2022-07-15 |
Family
ID=82334189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210495858.4A Pending CN114758671A (zh) | 2022-05-07 | 2022-05-07 | 语音的等响度补偿方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114758671A (zh) |
-
2022
- 2022-05-07 CN CN202210495858.4A patent/CN114758671A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10810993B2 (en) | Sample-efficient adaptive text-to-speech | |
US10141008B1 (en) | Real-time voice masking in a computer network | |
JP6290429B2 (ja) | 音声処理システム | |
CN112820315B (zh) | 音频信号处理方法、装置、计算机设备及存储介质 | |
CN111508519B (zh) | 一种音频信号人声增强的方法及装置 | |
CN112037800B (zh) | 声纹核身模型训练方法、装置、介质及电子设备 | |
CN112750444B (zh) | 混音方法、装置及电子设备 | |
CN109905808B (zh) | 用于调节智能语音设备的方法和装置 | |
WO2022166710A1 (zh) | 语音增强方法、装置、设备及存储介质 | |
CN109961141A (zh) | 用于生成量化神经网络的方法和装置 | |
US20240046955A1 (en) | Voice extraction method and apparatus, and electronic device | |
WO2023217224A1 (zh) | 触觉信号生成方法、装置、可读介质及电子设备 | |
WO2024027295A1 (zh) | 语音增强模型的训练、增强方法、装置、电子设备、存储介质及程序产品 | |
CN111696520A (zh) | 智能配音方法、装置、介质及电子设备 | |
CN112309418B (zh) | 一种抑制风噪声的方法及装置 | |
US9697848B2 (en) | Noise suppression device and method of noise suppression | |
US20230050519A1 (en) | Speech enhancement method and apparatus, device, and storage medium | |
CN114758671A (zh) | 语音的等响度补偿方法、装置、设备及介质 | |
CN110992975A (zh) | 一种语音信号处理方法、装置及终端 | |
CN114783455A (zh) | 用于语音降噪的方法、装置、电子设备和计算机可读介质 | |
CN113823312B (zh) | 语音增强模型生成方法和装置、语音增强方法和装置 | |
US20240105198A1 (en) | Voice processing method, apparatus and system, smart terminal and electronic device | |
CN111145776B (zh) | 音频处理方法和装置 | |
CN111048107B (zh) | 音频处理方法和装置 | |
CN110931038B (zh) | 一种语音增强方法、装置、设备及存储介质 |
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 |