CN117894327A - 一种语音的编码方法、装置、设备及存储介质 - Google Patents
一种语音的编码方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117894327A CN117894327A CN202311868547.9A CN202311868547A CN117894327A CN 117894327 A CN117894327 A CN 117894327A CN 202311868547 A CN202311868547 A CN 202311868547A CN 117894327 A CN117894327 A CN 117894327A
- Authority
- CN
- China
- Prior art keywords
- signal
- voice
- bit rate
- speech
- encoded
- 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 62
- 230000006835 compression Effects 0.000 claims abstract description 16
- 238000007906 compression Methods 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 230000005236 sound signal Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 29
- 238000004364 calculation method Methods 0.000 abstract description 10
- 238000003672 processing method Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 7
- 230000001052 transient effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 206010002953 Aphonia Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本申请公开了一种语音的编码方法、装置、设备及存储介质。在执行本申请实施例提供的方法时,首先可以获取待编码语音,提取待编码语音中的语音信号。识别语音信号的特征参数,根据特征参数对语音信号进行分类得到分类结果,分类结果包括高复杂度信号或低复杂度信号。再根据分类结果对待编码语音进行编码。本申请通过对待编码语音进行特征提取、分类和编码,根据语音信号的复杂度选择合适的处理方法和算法。对于低复杂度的语音信号,可以采用简化的算法和模型,减少计算开销,降低系统的计算资源需求。同时,根据语音信号的分类结果对待编码语音进行编码,选择适当的编码方法和压缩算法,以减少所需的存储空间,从而降低系统的存储成本和资源占用。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种语音的编码方法、装置、设备及存储介质。
背景技术
语音识别是一种将人类语音信号转换为计算机可以理解的文本或命令的技术。在进行语音识别之前,需要对语音信号进行编码,将连续的模拟语音信号转换为离散的数字信号,这样才能方便后续的语音信号处理和识别算法的应用。但现存的语音编码方式的开销和功耗成本较高。
因此,如何降低语音编码的开销和功耗成本,是本领域技术人员急需解决的技术问题。
发明内容
基于上述问题,本申请提供了一种语音的编码方法、装置、设备及存储介质,可以降低语音编码的开销和功耗成本。
本申请实施例公开了如下技术方案:
一种语音的编码方法,所述方法包括:
获取待编码语音,提取所述待编码语音中的语音信号;
识别所述语音信号的特征参数,根据所述特征参数对所述语音信号进行分类;分类结果包括高复杂度信号或低复杂度信号;
根据所述语音信号的分类结果对所述待编码语音进行编码。
在一种可能的实现方式中,所述根据所述语音信号的分类结果对所述待编码语音进行编码,包括:
当所述语音信号为所述高复杂度信号时,根据所述语音信号的比特率对所述语音信号进行编码;
当所述语音信号为所述低复杂度信号时,使用第一预设比特率对所述待编码语音进行编码。
在一种可能的实现方式中,所述根据所述语音信号的比特率对所述语音信号进行编码,包括:
当所述语音信号的比特率大于峰值比特率时,使用自适应比特率和可变比特率对所述语音信号进行编码;
当所述语音信号的比特率小于或者等于峰值比特率时,使用可变比特率对所述语音信号进行编码。
在一种可能的实现方式中,所述使用自适应比特率和可变比特率对所述语音信号进行编码,包括:
通过自适应比特率确定平均比特率;
在平均比特率的基础上根据所述可变比特率的分配原则为所述语音信号的每一帧分配相应的目标比特率;
基于所述语音信号的每一帧分配相应的目标比特率利用所述可变比特率对所述语音信号的每一帧分别进行编码。
在一种可能的实现方式中,所述待编码语音包括所述语音信号或噪声信号;
所述方法还包括:
当所述待编码语音为噪声信号时,提取所述待编码语音中的噪声信号,判断所述噪声信号是否稳定;
当所述噪声信号稳定时,使用不连续传输技术中断所述噪声信号;
当所述噪声信号不稳定时,使用第二预设比特率对所述噪声信号进行编码;或者,
进入静音压缩模式。
在一种可能的实现方式中,所述方法还包括:
当所述噪声信号被中断后,播放预存声音信号;
当使用第二预设比特率对所述噪声信号进行编码时,播放预存声音信号;
当进入静音压缩模式后,播放预存声音信号。
一种语音的编码装置,所述装置包括:
获取单元,用于获取待编码语音,提取所述待编码语音中的语音信号;
识别分类单元,用于识别所述语音信号的特征参数,根据所述特征参数对所述语音信号进行分类;分类结果包括高复杂度信号或低复杂度信号;
语音编码单元,用于根据所述语音信号的分类结果对所述待编码语音进行编码。
在一种可能的实现方式中,所述语音编码单元具体包括:
第一编码单元,当所述语音信号为高复杂度信号时,用于根据所述语音信号的比特率对所述语音信号进行编码;
第二编码单元,当所述语音信号为低复杂度信号时,用于使用第一预设比特率对所述待编码语音进行编码。
一种语音的编码设备,包括:存储器,处理器,及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如上所述的语音的编码方法。
一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行如上所述的语音的编码方法。
相较于现有技术,本申请具有以下有益效果:
本申请提供了一种语音的编码方法、装置、设备及存储介质。具体地,在执行本申请实施例提供的语音的编码方法时,首先可以获取待编码语音,提取待编码语音中的语音信号。接着,识别语音信号的特征参数,根据特征参数对语音信号进行分类得到分类结果,分类结果包括高复杂度信号或低复杂度信号。再根据分类结果对待编码语音进行编码。本申请通过对待编码语音进行特征提取、分类和编码,可以根据语音信号的复杂度选择合适的处理方法和算法。对于复杂度较低的语音信号,可以采用简化的算法和模型,减少计算开销,降低系统的计算资源需求。同时,根据语音信号的分类结果对待编码语音进行编码,可以选择适当的编码方法和压缩算法。对于复杂度较低的语音信号,可以采用更简单的编码方式,减少所需的存储空间。这有助于降低系统的存储成本和资源占用。此外,通过对语音信号进行分类和相应的编码,可以采用更适合的处理策略和算法,减少系统功耗。对于复杂度较低的语音信号,可以使用更简单的算法和模型,降低功耗成本。另外,通过对语音信号的分类和编码,可以根据不同类型的语音信号选择合适的处理方法和资源配置。这有助于提高资源利用效率,充分发挥系统的计算能力和存储容量。
附图说明
为更清楚地说明本实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a为本申请实施例提供的一种语音的编码方法的方法流程图;
图1b为本申请实施例提供的一种对待编码语音进行编码的实现方式流程图;
图1c为本申请实施例提供的另一种对高复杂度语音信号进行编码的实现方式流程图;
图2为本申请实施例提供的一种语音的编码装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为便于理解本申请实施例提供的技术方案,下面将先对本申请实施例涉及的背景技术进行说明。
语音编码是将语音信号转换为数字信号的过程,通常用于数字通信系统和储存音频数据。语音编码可以将连续的模拟语音信号转换为离散的数字信号,从而便于数字信号的处理和传输。语音编码的主要目的是在保持尽可能高的语音质量的同时,降低传输或存储所需的带宽和容量。
语音识别是将语音信号转换为文本或命令的过程。在进行语音识别之前,首先需要对语音信号进行编码以便于处理和分析。语音编码将连续的模拟语音信号转换为离散的数字信号,从而方便后续的语音信号处理和识别算法的应用。
语音识别技术被广泛应用在语音交互的智能产品上,是很多语音处理系统的标配,如移动通信服务、网络实时音频传输、助听耳机,播放耳机,智能音箱,智慧语音交互的家电产品等设备,科技巨头都在打造自己的智能语音生态系统,在语音识别程序中,用户和企业追求高品质语音交互,应用灵活方便(比如语音电话,语音邮件,需要检测到语音活动后进行后端保真编码,需要计算起编码效率及码流存储量),因此,高效、低功耗低成本已成为语音识别技术发展的必然结果。
为了解决这一问题,在本申请实施例提供了一种语音的编码方法、装置、设备及存储介质,先获取待编码语音,提取待编码语音中的语音信号。然后识别语音信号的特征参数,根据特征参数对语音信号进行分类得到分类结果,分类结果包括高复杂度信号或低复杂度信号。接着根据分类结果对待编码语音进行编码。本申请通过对待编码语音进行特征提取、分类和编码,可以根据语音信号的复杂度选择合适的处理方法和算法。对于复杂度较低的语音信号,可以采用简化的算法和模型,减少计算开销,降低系统的计算资源需求。同时,根据语音信号的分类结果对待编码语音进行编码,可以选择适当的编码方法和压缩算法。对于复杂度较低的语音信号,可以采用更简单的编码方式,减少所需的存储空间。这有助于降低系统的存储成本和资源占用。此外,通过对语音信号进行分类和相应的编码,可以采用更适合的处理策略和算法,减少系统功耗。对于复杂度较低的语音信号,可以使用更简单的算法和模型,降低功耗成本。另外,通过对语音信号的分类和编码,可以根据不同类型的语音信号选择合适的处理方法和资源配置。这有助于提高资源利用效率,充分发挥系统的计算能力和存储容量。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参见图1a,该图为本申请实施例提供的一种语音的编码方法的方法流程图,如图1a所示,该语音的编码方法可以包括步骤S101-S103:
S101:获取待编码语音,提取所述待编码语音中的语音信号。
编码是指将复杂的语言信息转换为数字或二进制数据,以便于在计算机系统中进行传输、存储和处理。在计算机系统中,只有数字和二进制数据才能被直接处理和存储,因此需要对语言进行编码,将其转化为可计算的形式并提供一种标准化的表示方式。
其中,待编码语音是由语音信号或者是外界的环境噪声即噪声信号组成的。当待编码语音是由语音组成时,可以从待编码语音中提取到语音信号。
传统阈值方法是指根据待编码语音的能量或功率来判断待编码语音为语音信号还是噪声信号。
可以通过传统阈值方法、模型统计或者深度学习(如DNN(Deep Neural Networks,深度神经网络)、CNN(Convolutional Neural Networks,卷积神经网络)、RNN(RecurrentNeural Networks,循环神经网络)等)等语音特征抓取的方法来判断输入信号中的语音信号为语音信号还是噪声信号。
语音信号的时域参数有短时能量、短时过零率、短时自相关函数和短时平均幅度差函数等,短时平均幅度差函数可以用于基音周期的检测。
S102:识别所述语音信号的特征参数,根据所述特征参数对所述语音信号进行分类。
其中,根据特征参数对语音信号进行分类的分类结果包括高复杂度信号或低复杂度信号。特征参数包括频率和能量组合及过零率等参数。
语音信号具有短时性的特点,即在总体上,随着时间的变化,语音信号的特征也在变化。但是在较短的时间间隔内,语音信号是相对稳定的。
根据“语音信号具有短时性的特点”,可以通过提取到达特征参数来对语音信号进行分析和分类。例如,浊音段表现出周期信号的特征,即能够观察到明显的周期性波形;而清音段表现出随机噪声的特征,即波形较为无规律。此外,浊音时的能量值通常比清音时大得多,而清音则具有较高的过零率。
基于以上特征,可以通过对语音信号的能量、过零率等进行计算和分析,来确定语音信号是属于清音、浊音、静音还是瞬态大信号等不同类别。
从信号复杂度的角度来看,清音和静音通常被认为是低复杂度信号,而浊音和瞬态大信号则通常被认为是高复杂度信号。
清音信号是由简单的声音元素组成的,如元音和辅音等,它们对应的声波形态相对简单,因此清音信号可以被认为是低复杂度的信号。
静音信号是指没有声音的信号,它的波形形态非常简单,通常可以被视为一条水平直线。因此,静音信号也可以被认为是低复杂度的信号。
相比之下,浊音信号和瞬态大信号的波形形态更加复杂。浊音信号包含了一些共振峰和谐波等复杂的频谱结构,而瞬态大信号在瞬间内产生了很高的能量,波形形态也较为复杂。因此,浊音信号和瞬态大信号通常被认为是高复杂度的信号。
需要注意的是,这种分类并不是绝对的,具体情况还要考虑实际应用场景和信号处理的需求。例如,在某些语音处理任务中,清音和静音信号也可能需要进行复杂的处理和分析。
此外,当待编码语音为噪声信号时,可以提取待编码语音中的噪声信号,兵判断噪声信号是否稳定。
一方面,对于稳定的噪声信号,使用不连续传输技术中断噪声信号的数据传输,以进一步降低比特率。同时播放预存声音信号。
具体地,当噪声信号稳定时,使用不连续传输技术DTX(DiscontinuousTransmission,不连续传输)来中断数据传输,以进一步降低比特率,意味着在传输语音数据时,当检测到噪声水平较高、无人说话或者其他原因导致语音信号缺失时,可以暂停数据传输,以节省带宽和能量消耗。并播放预先存储的安抚声音来提升用户体验。
在DTX传输中,当检测到语音信号缺失时,可以发送一个特殊的DTX帧来中断数据传输。在接收端,如果连续收到一定数量的DTX帧,就会认为此时语音信号已经缺失一段时间,并暂停解码和播放。当再次检测到语音信号时,可以发送特殊的帧来恢复数据传输。
通过使用DTX传输,可以有效地降低比特率,减少数据传输的需求和能量消耗。另外,DTX传输对于语音编码的误差控制也具有一定的作用,可以减少由于传输中的噪声和干扰引起的误码率,提高语音质量和可靠性。
另一方面,对于不稳定的噪声信号,可以使用第二预设比特率进行所述噪声信号进行编码,同时播放预存声音信号。
具体地,可以使用传递背景噪声所需的最低比特率即第二预设比特率进行编码,并使用控制解码器播放预先存储的安抚声音。在这种情况下,当检测到噪声水平较高或不稳定时,编码器会选择使用较低的比特率来编码音频,以便传输背景噪声所需的最小信息量。同时,解码器会根据该编码方式解码接收到的音频,并播放预先存储的安抚声音。这样做的目的是在噪声环境中提供一种安静舒适的听觉体验,以减少对噪声的感知。
对于不稳定的噪声信号,也可以直接进入静音压缩模式,同时播放预存声音信号。当检测到静音或非活跃信号时,编码器会进入静音压缩模式,停止传输实际的语音数据,并告知解码器进入同样的模式。解码器会根据指示播放预先存储的安抚声音,以填补静默期间的听觉空白。这种方法可以减少不必要的数据传输,并降低能量消耗。
S103:根据所述语音信号的分类结果对所述待编码语音进行编码。
根据前面所描述的语音信号的分类结果,对待编码的语音进行编码意味着将语音信号转换为数字形式,以便于存储、传输或进一步处理。
语音编码是将连续的模拟语音信号转换为离散的数字表示的过程。它的目的是在保持语音质量的同时,尽可能地减小所需的数据量。
在语音编码中,不同类型的语音信号可能采用不同的编码策略和参数设置,以便更好地保留原始语音的特征和质量。
参见图1b,图1b为本申请实施例提供的一种对待编码语音进行编码的实现方式流程图,相应地S103所述根据所述语音信号的分类结果对所述待编码语音进行编码,具体来说,可以按照步骤A1-A2进行编码:
A1:当所述语音信号为所述高复杂度信号时,根据所述语音信号的比特率对所述语音信号进行编码。
当语音信号为高复杂度信号时,根据语音信号的比特率对其进行编码意味着选择适当的编码算法和参数设置,以确保在保持语音质量的同时,尽可能减小所需的数据量。
比特率(Bit Rate)是指在单位时间内传输或处理的比特数,也可以理解为每秒钟传输的数据量。在语音编码中,比特率决定了编码器每秒钟需要传输或处理的比特数,从而影响编码后语音的质量和数据量。
对于高复杂度的语音信号,如浊音信号和瞬态大信号,通常需要较高的比特率来捕捉其频谱特征和瞬时动态特性。因为高复杂度的信号包含更多的细节和频谱信息,较低的比特率可能无法有效地表示这些信号,导致失真和质量下降。
因此,当语音信号为高复杂度信号时,根据语音信号的比特率对其进行编码,就是要选择合适的编码算法和参数设置,使得编码后的语音能够尽可能地保留原始语音的特征和质量。一般来说,高复杂度信号可能需要较高的比特率或更先进的编码算法来进行编码,以获得更好的语音质量和较大的数据量。
参见图1c,图1c为本申请实施例提供的另一种对高复杂度语音信号进行编码的实现方式流程图,相应地A1当所述语音信号为所述高复杂度信号时,根据所述语音信号的比特率对所述语音信号进行编码,具体来说,可以按照步骤B1-B2进行编码:
B1:当所述语音信号的比特率大于峰值比特率时,使用自适应比特率和可变比特率对所述语音信号进行编码。
当语音信号的比特率大于峰值比特率时,使用自适应比特率和可变比特率对语音信号进行编码意味着根据信号的复杂度和需要传输或存储的数据量,在不同的时间段或情况下动态调整编码的比特率。本申请不对峰值比特率的大小做具体限定,用户可以根据实际需求对峰值比特率的大小进行调整。
自适应比特率(Adaptive Bit Rate,ABR)是指根据信号特性和需要,动态地选择合适的比特率来进行编码。在语音编码中,自适应比特率编码算法可以根据语音信号的复杂度和动态范围等因素,自动调整编码器的比特率,以实现更高的编码效率和更好的语音质量。
可变比特率(Variable Bit Rate,VBR)是指在编码过程中,根据信号的特性和需求,灵活地调整编码器的比特率。与固定比特率相比,可变比特率编码允许在不同的时间段或情况下使用不同的比特率,以适应信号的动态变化。这样可以有效地利用编码资源,提供更好的语音质量和更高的压缩效果。
当语音信号的比特率大于峰值比特率时,使用自适应比特率和可变比特率的编码方法可以根据语音信号的变化和需求,在不同的时间段或情况下调整编码的比特率。
当所述语音信号为所述高复杂度信号时,根据所述语音信号的比特率对所述语音信号进行编码,具体来说,可以按照以下步骤进行编码:
首先将语音信号分割成较小的时间段,通常称为帧。然后使用ABR确定整体的平均比特率。这个平均比特率可以根据系统需求和网络条件来确定。然后在保证目标比特率不会大于平均比特率的基础上,根据VBR的分配原则,根据语音信号的复杂度和特征,为每个帧分配一个目标比特率。VBR的分配原则是对于复杂度较高的帧分配更多的比特率,而较简单的帧分配较少的比特率。然后基于语音信号的每一帧分配相应的目标比特率利用VBR对语音信号的每一帧分别进行编码。在编码时,根据每帧的目标比特率,控制编码器生成相应的比特流。在编码过程中,实时监测已编码的比特率。如果总比特率超过了ABR所设定的平均比特率,可以采取调整策略,例如减小每帧的目标比特率或者增加丢弃或压缩冗余的操作。最后将编码后的比特流打包成传输格式,并通过网络进行传输。
B2:当所述语音信号的比特率小于或者等于峰值比特率时,使用可变比特率对所述语音信号进行编码。
当语音信号的比特率小于或等于峰值比特率时,使用可变比特率对语音信号进行编码意味着在编码过程中,根据信号的特性和需求,灵活地调整编码器的比特率。
在这种情况下,由于语音信号的比特率已经足够高,可以使用较低的固定比特率进行编码,而无需自适应地调整比特率。然而,为了进一步提高编码的效率和压缩比,仍然可以采用可变比特率编码方法。
当语音信号的比特率已经小于或等于峰值比特率时,可以根据实际需求和应用场景,选择适当的可变比特率编码算法来进一步优化编码效果。通过根据信号的特性和需求灵活地调整比特率,可以在保持语音质量的同时,减小数据量并提高编码的效率。
A2:当所述语音信号为所述低复杂度信号时,使用第一预设比特率对所述待编码语音进行编码。
当语音信号为低复杂度信号时,使用较低的比特率即第一预设比特率对待编码语音进行编码。本申请对第一预设比特率的大小不做具体限制,用户可以根据实际需求多第一预设比特率的大小进行调整。
基于S101-S103的内容可知,先从获取待编码语音,提取待编码语音中的语音信号。接着,识别语音信号的特征参数,根据特征参数对语音信号进行分类得到分类结果,分类结果包括高复杂度信号或低复杂度信号。最后,根据分类结果对待编码语音进行编码。本申请通过对待编码语音进行特征提取、分类和编码,可以根据语音信号的复杂度选择合适的处理方法和算法。对于复杂度较低的语音信号,可以采用简化的算法和模型,减少计算开销,降低系统的计算资源需求。同时,根据语音信号的分类结果对待编码语音进行编码,可以选择适当的编码方法和压缩算法。对于复杂度较低的语音信号,可以采用更简单的编码方式,减少所需的存储空间。这有助于降低系统的存储成本和资源占用。
参见图2,图2为本申请实施例提供的一种语音的编码装置的结构示意图。如图2所示,该语音的编码装置包括:
获取单元201,用于获取待编码语音,提取所述待编码语音中的语音信号;
识别分类单元202,用于识别所述语音信号的特征参数,根据所述特征参数对所述语音信号进行分类;分类结果包括高复杂度信号或低复杂度信号;
语音编码单元203,用于根据所述语音信号的分类结果对所述待编码语音进行编码。
在一种可能的实现方式中,所述第一编码单元具体包括:
第三编码单元,当所述语音信号的比特率大于峰值比特率时,用于使用自适应比特率和可变比特率对所述语音信号进行编码;
第四编码单元,当所述语音信号的比特率小于或者等于峰值比特率时,用于使用可变比特率对所述语音信号进行编码。
在一种可能的实现方式中,所述第三编码单元具体包括包括:
确定单元,用于通过自适应比特率确定平均比特率;
分配单元,用于在平均比特率的基础上根据所述可变比特率的分配原则为所述语音信号的每一帧分配相应的目标比特率;
每帧编码单元,用于基于所述语音信号的每一帧分配相应的目标比特率利用所述可变比特率对所述语音信号的每一帧分别进行编码。
在一种可能的实现方式中,所述装置还包括:
提取判断单元,当所述待编码语音为噪声信号时,用于提取所述待编码语音中的噪声信号,判断所述噪声信号是否稳定;
信号中断单元,当所述噪声信号稳定时,用于使用不连续传输技术中断所述噪声信号;
第五编码单元,当所述噪声信号不稳定时,用于使用第二预设比特率对所述噪声信号进行编码;
切换单元,当所述噪声信号不稳定时,用于进入静音压缩模式。
在一种可能的实现方式中,所述装置还包括:
第一预存声音播放单元,用于当所述噪声信号被中断后,播放预存声音信号
第二预存声音播放单元,用于当使用第二预设比特率对所述噪声信号进行编码时,播放预存声音信号;
第三预存声音播放单元,用于当进入静音压缩模式后,播放预存声音信号。
另外,本申请实施例还提供了一种语音的编码设备,包括:存储器,处理器,及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如上所述的语音的编码方法。
另外,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行如上所述的语音的编码方法。
本申请实施例提供了一种语音的编码装置,先利用获取单元201获取待编码语音,提取待编码语音中的语音信号。然后利用识别分类单元202识别语音信号的特征参数,根据特征参数对语音信号进行分类,分类结果包括高复杂度信号或低复杂度信号,以使语音编码单元元203可以根据语音信号的分类结果对待编码语音进行编码。本申请通过对待编码语音进行特征提取、分类和编码,可以根据语音信号的复杂度选择合适的处理方法和算法。对于复杂度较低的语音信号,可以采用简化的算法和模型,减少计算开销,降低系统的计算资源需求。同时,根据语音信号的分类结果对待编码语音进行编码,可以选择适当的编码方法和压缩算法。对于复杂度较低的语音信号,可以采用更简单的编码方式,减少所需的存储空间。这有助于降低系统的存储成本和资源占用。此外,通过对语音信号进行分类和相应的编码,可以采用更适合的处理策略和算法,减少系统功耗。对于复杂度较低的语音信号,可以使用更简单的算法和模型,降低功耗成本。另外,通过对语音信号的分类和编码,可以根据不同类型的语音信号选择合适的处理方法和资源配置。这有助于提高资源利用效率,充分发挥系统的计算能力和存储容量。
以上对本申请所提供的一种语音的编码方法、装置、设备及存储介质进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种语音的编码方法,其特征在于,所述方法包括:
获取待编码语音,提取所述待编码语音中的语音信号;
识别所述语音信号的特征参数,根据所述特征参数对所述语音信号进行分类;分类结果包括高复杂度信号或低复杂度信号;
根据所述语音信号的分类结果对所述待编码语音进行编码。
2.根据权利要求1所述的方法,其特征在于,所述根据所述语音信号的分类结果对所述待编码语音进行编码,包括:
当所述语音信号为所述高复杂度信号时,根据所述语音信号的比特率对所述语音信号进行编码;
当所述语音信号为所述低复杂度信号时,使用第一预设比特率对所述待编码语音进行编码。
3.根据权利要求2所述的方法,其特征在于,所述根据所述语音信号的比特率对所述语音信号进行编码,包括:
当所述语音信号的比特率大于峰值比特率时,使用自适应比特率和可变比特率对所述语音信号进行编码;
当所述语音信号的比特率小于或者等于峰值比特率时,使用可变比特率对所述语音信号进行编码。
4.根据权利要求3所述的方法,其特征在于,所述使用自适应比特率和可变比特率对所述语音信号进行编码,包括:
通过自适应比特率确定平均比特率;
在平均比特率的基础上根据所述可变比特率的分配原则为所述语音信号的每一帧分配相应的目标比特率;
基于所述语音信号的每一帧分配相应的目标比特率利用所述可变比特率对所述语音信号的每一帧分别进行编码。
5.根据权利要求1所述的方法,其特征在于,所述待编码语音包括所述语音信号或噪声信号;
所述方法还包括:
当所述待编码语音为噪声信号时,提取所述待编码语音中的噪声信号,判断所述噪声信号是否稳定;
当所述噪声信号稳定时,使用不连续传输技术中断所述噪声信号;
当所述噪声信号不稳定时,使用第二预设比特率对所述噪声信号进行编码;或者,
进入静音压缩模式。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
当所述噪声信号被中断后,播放预存声音信号;
当使用第二预设比特率对所述噪声信号进行编码时,播放预存声音信号;
当进入静音压缩模式后,播放预存声音信号。
7.一种语音的编码装置,其特征在于,所述装置包括:
获取单元,用于获取待编码语音,提取所述待编码语音中的语音信号;
识别分类单元,用于识别所述语音信号的特征参数,根据所述特征参数对所述语音信号进行分类;分类结果包括高复杂度信号或低复杂度信号;
语音编码单元,用于根据所述语音信号的分类结果对所述待编码语音进行编码。
8.根据权利要求7所述的装置,其特征在于,所述语音编码单元具体包括:
第一编码单元,当所述语音信号为高复杂度信号时,用于根据所述语音信号的比特率对所述语音信号进行编码;
第二编码单元,当所述语音信号为低复杂度信号时,用于使用第一预设比特率对所述待编码语音进行编码。
9.一种语音的编码设备,其特征在于,包括:存储器,处理器,及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-6任一项所述的语音的编码方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行如权利要求1-6任一项所述的语音的编码方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311868547.9A CN117894327A (zh) | 2023-12-29 | 2023-12-29 | 一种语音的编码方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311868547.9A CN117894327A (zh) | 2023-12-29 | 2023-12-29 | 一种语音的编码方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117894327A true CN117894327A (zh) | 2024-04-16 |
Family
ID=90650177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311868547.9A Pending CN117894327A (zh) | 2023-12-29 | 2023-12-29 | 一种语音的编码方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117894327A (zh) |
-
2023
- 2023-12-29 CN CN202311868547.9A patent/CN117894327A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1849158B1 (en) | Method for discontinuous transmission and accurate reproduction of background noise information | |
JP5089772B2 (ja) | 音声活動を検出するための装置および方法 | |
RU2251750C2 (ru) | Обнаружение активности сложного сигнала для усовершенствованной классификации речи/шума в аудиосигнале | |
US7058574B2 (en) | Signal processing apparatus and mobile radio communication terminal | |
CN101320563B (zh) | 一种背景噪声编码/解码装置、方法和通信设备 | |
US20130151246A1 (en) | Adaptive voice activity detection | |
US6721712B1 (en) | Conversion scheme for use between DTX and non-DTX speech coding systems | |
KR20080055026A (ko) | 오디오 신호의 부호화 모드 결정 방법 및 장치와 이를이용한 오디오 신호의 부호화/복호화 방법 및 장치 | |
JP2008058983A (ja) | 音声コーディングにおける雑音のロバストな分類のための方法 | |
CN110619881B (zh) | 一种语音编码方法、装置及设备 | |
US9972334B2 (en) | Decoder audio classification | |
CN110782907B (zh) | 语音信号的发送方法、装置、设备及可读存储介质 | |
CN114550732B (zh) | 一种高频音频信号的编解码方法和相关装置 | |
CN114338623B (zh) | 音频的处理方法、装置、设备及介质 | |
JP2022548299A (ja) | オーディオ符号化方法および装置 | |
CN112767955B (zh) | 音频编码方法及装置、存储介质、电子设备 | |
CN111639225B (zh) | 一种音频信息的检测方法、装置及存储介质 | |
CN113823303A (zh) | 音频降噪方法、装置及计算机可读存储介质 | |
CN117894327A (zh) | 一种语音的编码方法、装置、设备及存储介质 | |
CN111181949A (zh) | 一种声音检测方法、装置、终端设备和存储介质 | |
CN111951821B (zh) | 通话方法和装置 | |
CN115831132A (zh) | 音频编解码方法、装置、介质及电子设备 | |
CN116959458A (zh) | 音频传输方法、装置、终端、存储介质及程序产品 | |
CN116259322A (zh) | 音频数据压缩方法及相关产品 | |
JP2023517973A (ja) | 音声符号化方法、装置、コンピュータ機器及びコンピュータプログラム |
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 |