CN118053439A - 语音降噪方法、装置、电子设备及存储介质 - Google Patents
语音降噪方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN118053439A CN118053439A CN202211450492.5A CN202211450492A CN118053439A CN 118053439 A CN118053439 A CN 118053439A CN 202211450492 A CN202211450492 A CN 202211450492A CN 118053439 A CN118053439 A CN 118053439A
- Authority
- CN
- China
- Prior art keywords
- speaker
- audio information
- speakers
- voiceprint
- module
- 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
- 230000009467 reduction Effects 0.000 title claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 2
- 230000008685 targeting Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/40—Support for services or applications
- H04L65/403—Arrangements for multi-party communication, e.g. for conferences
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Telephonic Communication Services (AREA)
Abstract
本公开涉及计算机技术领域,尤其涉及语音降噪方法、装置、电子设备及存储介质。具体实现方案为:采集会议过程中多个发言者的音频信息;基于每个发言者对应的音频信息的内容确定发言者为目标发言者或非目标发言者;对非目标发言者对应的音频信息进行降噪处理。本公开通过监听发言者的发言内容,区分目标发言者和非目标发言者,并对非目标发言者的声音进行主动降噪,从而在不对非目标发言者进行禁言或闭麦的情况下,实现多人会议的分组讨论,模拟现场会议的交流场景,提升用户的体验。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及多人会议的语音降噪方法、装置、电子设备及存储介质。
背景技术
随着互联网的快速发展,线上会议成为了现代人办公的常用工具。当前的线上会议支持多人同时聊天,但如需两个人单独聊天,需对其他人进行禁言或闭麦,无法达到对同一主题,分组讨论的情况,即无法对非特定对象以外的发言者的语音进行主动降噪处理。另外,聊天内容与声音没有主次,无法把关注点放在重点话题上。
发明内容
本公开提供了一种用于多人会议的语音降噪方法、装置、电子设备以及存储介质。
根据本公开的第一方面,提供了一种多人会议的语音降噪方法,包括:
采集会议过程中多个发言者的音频信息;
基于每个所述发言者对应的所述音频信息的内容确定所述发言者为目标发言者或非目标发言者;
对所述非目标发言者对应的所述音频信息进行降噪处理。
根据本公开的第二方面,提供了一种多人会议的语音降噪装置,包括:
采集模块,被配置为采集会议过程中多个发言者的音频信息;
目标确定模块,被配置为基于每个所述发言者对应的所述音频信息的内容确定所述发言者为目标发言者或非目标发言者;
降噪模块,被配置为对所述非目标发言者对应的所述音频信息进行降噪处理。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述技术方案中任一项所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据上述技术方案中任一项所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据上述技术方案中任一项所述的方法。
本公开提供了语音降噪方法、装置、电子设备及存储介质,可以应用于多人会议,通过监听发言者的发言内容,区分目标发言者和非目标发言者,并对非目标发言者的声音进行主动降噪,从而在不对非目标发言者进行禁言或闭麦的情况下,实现多人会议的分组讨论,模拟现场会议的交流场景,提升用户的体验。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开实施例中的语音降噪方法的步骤示意图;
图2是本公开实施例中的关键字标注方法的示例图;
图3是本公开实施例中的降噪装置的原理框图;
图4是本公开实施例中的另一种语音降噪装置的原理框图;
图5是本公开实施例中的示例电子设备的原理框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
针对现有技术中,在多人会议中与特定对象聊天时,需要对其他人进行禁言或闭麦的技术问题。本公开提供了一种可以应用于多人会议的语音降噪方法,如图1所示,包括:
步骤S101,采集会议过程中多个发言者的音频信息。在多人会议中,通常有多个发言者同时发言,因此,音频信息可能包含了多个发言者的声音。可以在多人会议中持续监听多个发言者的语音,此时多个发言者的语音是混合在一起的,并没有进行分离。
步骤S102,基于每个发言者对应的音频信息的内容确定发言者为目标发言者或非目标发言者。本实施例中可以通过识别每个发言者的发言内容,来确定是否对该发言者的声音进行降噪。例如,通过判断发言者的发言内容是否为重点关注主题,或者发言内容中是否提及参会人员的名字。示例性地,当某个发言者甲叫到另一个参会人员乙的名字时,可以确定甲和乙均为目标发言者,可以对其声音进行加强,并可以同时对其他发言者的声音进行降噪,此时甲和乙可以进行单独讨论,不受其他发言者的影响。在另一种实施方式中,如图甲和乙的讨论话题中提取到关键词“欧洲市场”,此时发言者丙也提到某个关键词“欧洲市场”时,此时,也可以将丙从非目标发言者切换为目标发言者,从而实现参会人员对重点话题进行关注,通过监听并识别各个发言者的发言内容,实现目标发言者的自动实时切换。
步骤S103,对非目标发言者对应的音频信息进行降噪处理。通过步骤S103确定了非目标发言者(即降噪对象)之后,对非目标发言者的声音进行主动抑制或者消除处理,无需对非目标发言者进行禁言或闭麦。需要说明的是,对非目标发言者对应的音频信息进行降噪时,仍然保持对其语音进行监听,当监听到关键内容时,可以将非目标发言者切换为目标发言者,即解除降噪,恢复其语音,确保非目标发言者在谈论关键话题时,能够随时加入当前讨论组,实现多人会议中的分组讨论,并且多组发言人的声音互不干扰。
作为可选的实施方式,步骤S101采集会议过程中多个发言者的音频信息之前,还包括:采集每个发言者的声音,基于每个发言者的声音提取对应的第一声纹存储于数据库中,并针对每个第一声纹生成每个发言者对应的语音通道。在本实施例中,在会议开始之前,需要预先采集各个参会人员的声纹,每个参会人员的声纹都有一个对应的语音通道,以确定在会议过程中能够识别出各个发言者的声音,将其声音关联到对应的语音通道中。
作为可选的实施方式,步骤S101采集会议过程中多个发言者的音频信息之后,还包括:基于音频信息提取多个发言者的第二声纹;将每个第二声纹与数据库中的第一声纹进行匹配得到匹配结果;基于匹配结果识别出每个发言者对应的音频信息,并将音频信息关联到发言者对应的语音通道。第一声纹是在会议开始前对各个参会人员采集的声音中提取出的,基于第一声纹生成了每个参会人员对应的语音通道。在会议正式开始之后,系统持续监听会议中的音频信息,可以将第一声纹作为参考,识别出音频信息中的各个发言者的第二声纹。例如,会议开始之前,采集了甲的声音,提取出第一声纹,在会议过程中,采集到了甲、乙、丙同时说话的声音,提取出三个第二声纹,找到与第一声纹相似度最高的第二声纹,判断为甲的第二声纹,将甲的第二声纹关联到基于第一声纹生成的语音通道A中。
在步骤S101采集到了多个发言者的音频信息后,此时多个发言者的音频信息是混合在一起的,首先需要通过声纹识别,将多个发言者的声音进行分离,将每个发言者的音频信息关联到对应的语音通道中。例如,音频信息中包含甲、乙、丙、丁四个人的声音,每个人的声纹特征是不同的,因此可以识别出四种不同的声纹,分别将甲、乙、丙、丁的声纹与语音通道A、B、C、D进行一一关联,即甲的声纹关联到语音通道A,乙的声纹关联到语音通道B,丙的声纹关联到语音通道C,丁的声纹关联到语音通道D,从而让每个发言者的声音都有一个单独的语音通道,便于后续对特定的发言者声音进行处理。本实施例中通过预先采集各个发言者的声纹,从而实现会议过程中对各个发言者的声音进行区分,实现多个发言者的音频信息分离,将每个发言者对应的音频信息关联到对应的语音通道中。
作为可选的实施方式,采集每个发言者的声音,基于每个发言者的声音提取对应的第一声纹存储于数据库中之后,还包括:获取每个发言者的名字和头像;将名字、头像与发言者对应的第一声纹进行关联。本实施例中将每个发言者(参会人员)的名字、头像和该发言者的声纹绑定,在会议过程中,从音频信息中识别到该发言者的第二声纹时,可以将第二声纹和名字对应起来,在某个发言者被叫到名字时,可以识别到该发言者对应的语音通道,从而对该发言者的语音通道进行语音增强。例如,某发言者叫到某个参会人员的名字“张三”,需要预先将张三的声纹匹配到对应的语音通道,那么系统才能识别到哪一个语音通道是张三的,确定该语音通道为目标发言者的语音通道,不进行语音降噪,还可以同时对目标发言者的语音通道进行语音增强。
作为可选的实施方式,基于音频信息的内容确定发言者为目标发言者或非目标发言者包括:判断每个发言者对应的音频信息中是否包含任意一个发言者的名字;响应于发言者对应的音频信息中包含任意一个发言者的名字,确定发言者以及名字对应的发言者为目标发言者;响应于发言者对应的音频信息中不包含任意一个发言者的名字,确定发言者为非目标发言者。本实施例中可以预先采集各个参会人员的声纹、名字、头像,将各个参会人员的声纹、名字、头像进行绑定,并且存储于数据库中。当音频信息中出现某个参会人员(参会人员可能正在发言,也可能当前没有发言)的名字时,系统可以识别到该参会人员,确定该参会人员为目标发言者,以及叫到该参会人员名字的发言者也确定为目标发言者。
作为可选的实施方式,采集会议过程中多个发言者的音频信息之后,还包括:针对每个发言者对应的音频信息提取关键字;将关键字标注在对应的发言者的头像上。本实施例中,系统可以实时监听各个发言者的语音通道,对每个语音通道的内容进行记录,并提取关键字,如图2所示,还可以将提取的关键字标注在对应的发言者头像上,以便于讨论组以外的其他人也能关注到所讨论的主题,以便于其他人加入讨论。例如,当甲和乙在讨论“销售业绩”这个主题时,此时,甲和乙是一个讨论组,确定为目标发言者,其他人的声音处于被降噪的状态,甲和乙无法听到其他人的发言,可以在甲的头像201和乙的头像202上标注“销售业绩”,当丙有兴趣加入时,可以通过点击甲或乙的头像加入该讨论组,此时丙由非目标发言者切换为目标发言者,丙的语音通道由降噪状态恢复到正常状态,从而实现多人会议中自由切换聊天对象。
作为可选的实施方式,针对每个发言者对应的音频信息提取关键字包括通过以下至少一项特征提取关键字:发言者的音色;词语出现频率;发言者的发言持续时间。例如,发言者在发言时着重强调某个词语或者某句话时,其音色也是有差异的,可以基于音色的不同来提取关键字。可以根据词语出现的频率,如果某个词语频繁出现,也可以提取为关键字。还可以是发言持续时间,如果某一个发言者围绕同一个话题发言持续一定时间,也可以提取该段话中的关键字。提取出的关键字可以标注在发言者的头像上,以便于其他发言者了解当前谈论的话题,可以主动选择加入讨论,也可以是系统询问其他参会人员是否需要加入讨论。
本公开提供了一种可以应用于多人会议的语音降噪装置,如图3所示,包括:
采集模块301,被配置为采集会议过程中多个发言者的音频信息。在多人会议中,通常有多个发言者同时发言,因此,音频信息包含了多个发言者的声音。
目标确定模块302,被配置为基于每个发言者对应的音频信息的内容确定发言者为目标发言者或非目标发言者。本实施例中可以通过识别每个发言者的发言内容,来确定是否对该发言者的声音进行降噪。例如,通过判断发言者的发言内容是否为重点关注主题,或者发言内容中是否提及参会人员的名字。示例性地,当某个发言者甲叫到另一个参会人员乙的名字时,可以确定甲和乙均为目标发言者,可以对其声音进行加强,并可以同时对其他发言者的声音进行降噪,此时甲和乙可以进行单独讨论,不受其他发言者的影响。在另一种实施方式中,如图甲和乙的讨论话题中提取到关键词“欧洲市场”,此时发言者丙也提到某个关键词“欧洲市场”时,此时,也可以将丙从非目标发言者切换为目标发言者,从而实现参会人员对重点话题进行关注,通过监听并识别各个发言者的发言内容,实现目标发言者的自动实时切换。
降噪模块303,被配置为对非目标发言者对应的语音通道中的音频信息进行降噪处理。通过目标确定模块302确定了非目标发言者(即降噪对象)之后,对非目标发言者的声音进行主动抑制或者消除处理,无需对非目标发言者进行禁言或闭麦。需要说明的是,对非目标发言者对应的音频信息进行降噪时,仍然保持对其语音进行监听,当监听到关键内容时,可以将非目标发言者切换为目标发言者,即解除降噪,恢复其语音,确保非目标发言者在谈论关键话题时,能够随时加入当前讨论组,实现多人会议中的分组讨论,并且多组发言人的声音互不干扰。
作为可选的实施方式,还包括:第一声纹提取模块,被配置为在采集模块采集会议过程中多个发言者的音频信息之前,通过采集模块采集每个发言者的声音,并基于每个发言者的声音提取对应的第一声纹存储于数据库中;语音通道生成模块,被配置为针对每个第一声纹生成每个发言者对应的语音通道。在本实施例中,在会议开始之前,需要预先采集各个参会人员的声纹,每个参会人员的声纹都有一个对应的语音通道,以确定在会议过程中能够识别出各个发言者的声音,将其声音关联到对应的语音通道中。
作为可选的实施方式,还包括:第二声纹提取模块,被配置为在采集模块301采集会议过程中多个发言者的音频信息之后,基于音频信息提取多个发言者的第二声纹;匹配模块,被配置为将每个第二声纹与数据库中的第一声纹进行匹配得到匹配结果;第一关联模块,被配置为基于匹配结果识别出每个发言者对应的音频信息,并将音频信息关联到发言者对应的语音通道。其中,第一声纹是在会议开始前对各个参会人员采集的声音中提取出的,基于第一声纹生成了每个参会人员对应的语音通道。在会议正式开始之后,系统持续监听会议中的音频信息,可以将第一声纹作为参考,识别出音频信息中的各个发言者的第二声纹。例如,会议开始之前,采集了甲的声音,提取出第一声纹,在会议过程中,采集到了甲、乙、丙同时说话的声音,提取出三个第二声纹,找到与第一声纹相似度最高的第二声纹,判断为甲的第二声纹,将甲的第二声纹关联到基于第一声纹生成的语音通道A中。
在采集模块301采集到了多个发言者的音频信息后,此时多个发言者的音频信息是混合在一起的,首先需要通过声纹识别,将多个发言者的声音进行分离,将每个发言者的声音关联到对应的语音通道中。例如,音频信息中包含甲、乙、丙、丁四个人的声音,每个人的声纹特征是不同的,因此可以识别出四种不同的声纹,分别将甲、乙、丙、丁的声纹与语音通道A、B、C、D进行一一关联,即甲的声纹关联到语音通道A,乙的声纹关联到语音通道B,丙的声纹关联到语音通道C,丁的声纹关联到语音通道D,从而让每个发言者的声音都有一个单独的语音通道,便于后续对特定的发言者声音进行处理。本实施例中通过预先采集各个发言者的声纹,从而实现会议过程中对各个发言者的声音进行区分,实现多个发言者的音频信息分离,将每个发言者对应的音频信息关联到对应的语音通道中。
作为可选的实施方式,采集模块301采集每个发言者的声音,基于每个发言者的声音提取对应的第一声纹存储于数据库中之后,还包括:获取模块,被配置为获取每个发言者的名字和头像;第二关联模块,被配置为将名字、头像与发言者对应的第一声纹进行关联。本实施例中将每个发言者(参会人员)的名字、头像和该发言者的声纹绑定,在会议过程中,从音频信息中识别到该发言者的第二声纹时,可以将第二声纹和名字对应起来,在某个发言者被叫到名字时,可以识别到该发言者对应的语音通道,从而对该发言者的语音通道进行语音增强。例如,某发言者叫到某个参会人员的名字“张三”,需要预先将张三的声纹匹配到对应的语音通道,那么系统才能识别到哪一个语音通道是张三的,确定该语音通道为目标发言者的语音通道,不进行语音降噪,还可以同时对目标发言者的语音通道进行语音增强。
作为可选的实施方式,目标确定模块302包括:识别单元,被配置为判断每个发言者对应的音频信息中是否包含任意一个发言者的名字;确定单元,被配置为响应于发言者对应的音频信息中包含任意一个发言者的名字,确定发言者以及名字对应的发言者为目标发言者;确定单元响应于发言者对应的音频信息中不包含任意一个发言者的名字,确定发言者为非目标发言者。本实施例中可以预先采集各个参会人员的声纹、名字、头像,将各个参会人员的声纹、名字、头像进行绑定,并且存储于数据库中。当音频信息中出现某个参会人员(参会人员可能正在发言,也可能当前没有发言)的名字时,系统可以识别到该参会人员,确定该参会人员为目标发言者,以及叫到该参会人员名字的发言者也确定为目标发言者。
作为可选的实施方式,如图4所示,还包括:关键字提取模块304,被配置为采集模块301采集会议过程中多个发言者的音频信息之后,针对每个发言者对应的音频信息提取关键字;标注模块305,被配置为将关键字标注在对应的发言者的头像上。本实施例中,系统可以实时监听各个发言者的语音通道,对每个语音通道的内容进行记录,并提取关键字,如图2所示,还可以将提取的关键字标注在对应的发言者头像上,以便于讨论组以外的其他人也能关注到所讨论的主题,以便于其他人加入讨论。例如,当甲和乙在讨论“销售业绩”这个主题时,此时,甲和乙是一个讨论组,确定为目标发言者,其他人的声音处于被降噪的状态,甲和乙无法听到其他人的发言,可以在甲和乙的头像上标注“销售业绩”,当丙有兴趣加入时,可以通过点击甲或乙的头像加入该讨论组,此时丙由非目标发言者切换为目标发言者,丙的语音通道由降噪状态恢复到正常状态,从而实现多人会议中自由切换聊天对象。
作为可选的实施方式,关键字提取模块304针对每个发言者对应的音频信息提取关键字包括通过以下至少一项特征提取关键字:发言者的音色;词语出现频率;发言者的发言持续时间。例如,发言者在发言时着重强调某个词语或者某句话时,其音色也是有差异的,可以基于音色的不同来提取关键字。可以根据词语出现的频率,如果某个词语频繁出现,也可以提取为关键字。还可以是发言持续时间,如果某一个发言者围绕同一个话题发言持续一定时间,也可以提取该段话中的关键字。提取出的关键字可以标注在发言者的头像上,以便于其他发言者了解当前谈论的话题,可以主动选择加入讨论,也可以是系统询问其他参会人员是否需要加入讨论。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如语音降噪方法。例如,在一些实施例中,语音降噪方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的语音降噪方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行语音降噪方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,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。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种语音降噪方法,包括:
采集会议过程中多个发言者的音频信息;
基于每个所述发言者对应的所述音频信息的内容确定所述发言者为目标发言者或非目标发言者;
对所述非目标发言者对应的所述音频信息进行降噪处理。
2.根据权利要求1所述的方法,所述采集会议过程中多个发言者的音频信息之前,还包括:
采集每个所述发言者的声音,基于每个所述发言者的声音提取对应的第一声纹存储于数据库中,并针对每个所述第一声纹生成每个所述发言者对应的语音通道。
3.根据权利要求2所述的方法,所述采集会议过程中多个发言者的音频信息之后,还包括:
基于所述音频信息提取多个所述发言者的第二声纹;
将每个所述第二声纹与所述数据库中的所述第一声纹进行匹配得到匹配结果;
基于所述匹配结果识别出每个所述发言者对应的所述音频信息,并将所述音频信息关联到所述发言者对应的所述语音通道。
4.根据权利要求2所述的方法,所述采集每个所述发言者的声音,基于每个所述发言者的声音提取对应的第一声纹存储于数据库中之后,还包括:
获取每个所述发言者的名字和头像;
将所述名字、所述头像与所述发言者对应的所述第一声纹进行关联。
5.根据权利要求1-4中任意一项所述的方法,其中,所述基于每个所述发言者对应的所述音频信息的内容确定所述发言者为目标发言者或非目标发言者包括:
判断每个所述发言者对应的所述音频信息中是否包含任意一个所述发言者的名字;
响应于所述发言者对应的所述音频信息中包含任意一个所述发言者的名字,确定所述发言者以及所述名字对应的所述发言者为所述目标发言者;
响应于所述发言者对应的所述音频信息中不包含任意一个所述发言者的名字,确定所述发言者为所述非目标发言者。
6.根据权利要求4所述的方法,所述采集会议过程中多个发言者的音频信息之后,还包括:
针对每个所述发言者对应的所述音频信息提取关键字;
将所述关键字标注在对应的所述发言者对应的所述头像上。
7.根据权利要求6所述的方法,其中,所述针对每个所述发言者对应的所述音频信息提取关键字包括通过以下至少一项特征提取所述关键字:所述发言者的音色;词语出现频率;所述发言者的发言持续时间。
8.一种语音降噪装置,包括:
采集模块,被配置为采集会议过程中多个发言者的音频信息;
目标确定模块,被配置为基于每个所述发言者对应的所述音频信息的内容确定所述发言者为目标发言者或非目标发言者;
降噪模块,被配置为对所述非目标发言者对应的所述音频信息进行降噪处理。
9.根据权利要求8所述的装置,还包括:
第一声纹提取模块,被配置为在所述采集模块采集会议过程中多个发言者的音频信息之前,通过所述采集模块采集每个所述发言者的声音,并基于每个所述发言者的声音提取对应的第一声纹存储于数据库中;
语音通道生成模块,被配置为针对每个所述第一声纹生成每个所述发言者对应的语音通道。
10.根据权利要求9所述的装置,还包括:
第二声纹提取模块,被配置为在所述采集模块采集会议过程中多个发言者的音频信息之后,基于所述音频信息提取多个所述发言者的第二声纹;
匹配模块,被配置为将每个所述第二声纹与所述数据库中的所述第一声纹进行匹配得到匹配结果;
第一关联模块,被配置为基于所述匹配结果识别出每个所述发言者对应的所述音频信息,并将所述音频信息关联到所述发言者对应的所述语音通道。
11.根据权利要求9所述的装置,其中,所述采集模块采集每个所述发言者的声音,基于每个所述发言者的声音提取对应的第一声纹存储于数据库中之后,还包括:
获取模块,被配置为获取每个所述发言者的名字和头像;
第二关联模块,被配置为将所述名字、所述头像与所述发言者对应的所述第一声纹进行关联。
12.根据权利要求8-11中任意一项所述的装置,其中,所述目标确定模块包括:
识别单元,被配置为判断每个所述发言者对应的所述音频信息中是否包含任意一个所述发言者的名字;
确定单元,被配置为响应于所述发言者对应的所述音频信息中包含任意一个所述发言者的名字,确定所述发言者以及所述名字对应的所述发言者为所述目标发言者;
所述确定单元响应于所述发言者对应的所述音频信息中不包含任意一个所述发言者的名字,确定所述发言者为所述非目标发言者。
13.根据权利要求11所述的装置,还包括:
关键字提取模块,被配置为所述采集模块采集会议过程中多个发言者的音频信息之后,针对每个所述发言者对应的所述音频信息提取关键字;
标注模块,被配置为将所述关键字标注在对应的所述发言者的所述头像上。
14.根据权利要求13所述的装置,其中,所述关键字提取模块针对每个所述发言者对应的所述音频信息提取关键字包括通过以下至少一项特征提取所述关键字:所述发言者的音色;词语出现频率;所述发言者的发言持续时间。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211450492.5A CN118053439A (zh) | 2022-11-17 | 2022-11-17 | 语音降噪方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211450492.5A CN118053439A (zh) | 2022-11-17 | 2022-11-17 | 语音降噪方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118053439A true CN118053439A (zh) | 2024-05-17 |
Family
ID=91045710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211450492.5A Pending CN118053439A (zh) | 2022-11-17 | 2022-11-17 | 语音降噪方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118053439A (zh) |
-
2022
- 2022-11-17 CN CN202211450492.5A patent/CN118053439A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8791977B2 (en) | Method and system for presenting metadata during a videoconference | |
US8204759B2 (en) | Social analysis in multi-participant meetings | |
US6885989B2 (en) | Method and system for collaborative speech recognition for small-area network | |
US8712757B2 (en) | Methods and apparatus for monitoring communication through identification of priority-ranked keywords | |
CN104050221A (zh) | 用于在虚拟会议中自动记笔记的方法和系统 | |
US10972295B1 (en) | System and method for detecting the end of an electronic conference session | |
US10762906B2 (en) | Automatically identifying speakers in real-time through media processing with dialog understanding supported by AI techniques | |
US20220131979A1 (en) | Methods and systems for automatic queuing in conference calls | |
CN113055751B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN111626061A (zh) | 会议记录生成方法、装置、设备及可读存储介质 | |
CN111223487B (zh) | 一种信息处理方法及电子设备 | |
CN113259620B (zh) | 视频会议数据同步方法及装置 | |
CN113111658B (zh) | 校验信息的方法、装置、设备和存储介质 | |
CN114065720A (zh) | 会议纪要生成方法、装置、存储介质及电子设备 | |
CN117033590A (zh) | 信息处理及获取方法、装置、设备及存储介质 | |
CN118053439A (zh) | 语音降噪方法、装置、电子设备及存储介质 | |
CN114221940B (zh) | 音频数据处理方法、系统、装置、设备以及存储介质 | |
CN115333879A (zh) | 一种远程会议方法及系统 | |
US20190068663A1 (en) | Cognitive Headset Awareness with External Voice Interruption Detection | |
US11783837B2 (en) | Transcription generation technique selection | |
CN115294987A (zh) | 一种会议记录生成方法、装置、设备及存储介质 | |
US20200184973A1 (en) | Transcription of communications | |
WO2023272833A1 (zh) | 一种数据检测方法、装置、设备及可读存储介质 | |
CN112969000A (zh) | 网络会议的控制方法、装置、电子设备和存储介质 | |
CN111355919B (zh) | 一种通信会话控制方法及装置 |
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 |