CN114783453B 语音增强方法、装置、计算机设备及存储介质 （深圳市声扬科技有限公司）

区前湾一路1号A栋201室(入驻深圳市EP1010169A1,2000.06.21质算机设备及存储介质。该方法包括获取语音数2基于预先训练的语音增强模型，获取所述语音数据的人声检测结果基于调整后的所述语音增益参数对所述语音数据进行增强处理其中，所述语音增强模型是对初始增强模型进行迭代训练得获取样本语音集合，所述样本语音集合包括多段混噪语音，每将所述混噪语音对应的幅度谱输入至所述第一输入模块，获将所述隐藏表征分别输入至所述第一输出模块、第二输出模块以根据所述总损失值，对所述初始增强模型进行迭代训练，直至所基于所述人声检测结果以及所述信噪比检测结果，确定所述降低所述第一数据对应的所述语音增益参数，以及提升所述基于所述信噪比检测结果，从所述第三数据中确定出信噪比大于预设信噪比的数据，3基于增强幅度谱与所述干净语音样本对应的幅度谱之间的差异述增强幅度谱基于所述初始语音增益参数对所述混噪语音对应的幅度谱进行增强处理得基于所述初始噪声幅度谱与所述噪声样本对应的幅度谱之间的差异，确定第四损失获取对所述干净语音中的人声段以及非人声段进行标基于混合每段所述混噪语音时采用的信噪比，对每段所述混噪语音标注信噪比标签，对所述多段混噪语音中的部分混噪语音进行混响处理，将混响处理所述数据获取模块用于基于预先训练的语音增强模型，获取所述语音所述增益调整模块用于基于所述人声检测结果以及所述信噪比检所述语音增强模块用于基于调整后的所述语音增益参数对所述语音数据进行增强处其中，所述语音增强模型是对初始增强模型进行迭代训练得4一个或多个应用程序，其中所述一个或多个应用程序被存储为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行如权利要求1-6任一9.一种计算机可读存储介质，其特征在于，所5晰度和可懂度都有较大的提升，但神经网络对语音数据的增强往往是对语音全局的增益，67里叶变换后得到其在频域对应的复频谱，该复频谱是一个表征频率与幅度之间关系的函结果以及语音增益参数，可以是对语音数据中的每一帧数据均生成对应的人声检测结果、语音数据中存在人声的部分数据段以及不存在人声的部分数据段。就每一帧语音数据而8数据整体对应的信噪比检测结果也可以由每一帧语音数据对应的信噪比检测结9[0044]请参阅图2，图2示出了本申请另一个实施例提供的语音增强方法的流程示意应的一帧语音数据中有0.8的概率存在人声。计算机设备在获取语音数据对应的人声检测声段中的每一帧对应的存在人声的概率均小于或等于预先[0063]本申请实施例提供的语音增强方法，将语音数据输入预[0064]请参阅图4，图4示出了本申请又一个实施例提供的语音增强方法的流程示意混噪语音训练得到的模型也可以具有更高的准确性和更强模型满足预设条件，则表明此时该模型已经能够准确输出语音数据对应的语音增益参(ConvolutionalNeuralNetworks,CNN)以及长短时记忆网络(Longshort-ternMemory,音中的每一帧数据中存在人声的概率。在对初始增强模型不断训练使其满足预设条件后，模型输出的人声检测结果可以接近于真实的数据。第二输出模块可以是一个2层的全连接行增强处理得到。[0098]其中，lossgain即表示第一损失值，magclean表示干净语音样本对应的幅度谱，magnoisy*outgain则表示增强幅度谱，由公式可以看出，增强幅度谱是由初始语音增益参数一个包含任意实数的K维向量转换为另一个K维实向量中，使得每一个元素的范围都在(0，也被称为标准误差，该函数是由预测值与真实值偏差的平方与观测次数的比值的平方根。[0122]其后可以将增强后的幅度谱结合上语音数据对应的相位[0126]作为一种可能的实施方式，增益调整模块230包括数据确定单元以及数据调整单多个应用程序，其中一个或多个应用程序可以被存储在存储器120中并被配置为由一个或Array，PLA)中的至少一种硬件形式来实现。处理器110可集成中央处理器(Central[0140]请参考图10，其示出了本申请实施例提供的一种计算机可读存储介质的结构框算机可读介质(non-transitorycomputer-readablestoragemedium)。计算机可读存储以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。