申请/专利权人：南京邮电大学

申请日：2024-03-22

公开（公告）日：2024-07-05

公开（公告）号：CN118298839A

主分类号：G10L21/02

分类号：G10L21/02;G06N3/0464;G06N3/045;G06N3/0985;G06N3/0442;G06N3/048;G06N3/0895;G10L21/0216;G10L25/30;G10L25/48

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明公开了一种基于全局掩码的自监督语音增强方法，包括训练阶段和测试阶段，构建的语音增强模型，包括特征提取模块、语音增强模块和全局掩码映射器，特征提取模块选用自监督学习模型WavLM，语音增强模块选用BLSTM作为主要框架；在WavLM模型中提出全局掩码，从而实现全局感知，补充语音重建所需要的信息，然后将提取到的声学特征传递到BLSTM模型中进行增强，最后提出全局掩码映射器，对所有被掩码的位置进行采样，并将所有盲点分配到同一层，从而允许损失函数一次性优化所有盲点，加速训练，得到全局去噪后的增强语音。本发明方法能够有效提高语音增强的性能，改善降噪效果，获得更高的语音感知质量和可懂度，实现高质量的语音增强。

主权项：1.一种基于全局掩码的自监督语音增强方法，其特征在于，包括训练阶段和测试阶段，所述训练阶段包括以下步骤：步骤S1、获取训练语料，训练语料包括原始含噪语音和纯净语音；步骤S2、对训练语料中的原始含噪语音和纯净语音进行预处理，得到采样率和长度固定的含噪语音x和纯净语音s；步骤S3、构建语音增强模型，将预处理后得到的含噪语音x和纯净语音s输入到语音增强模型中进行训练，得到增强语音将增强语音和纯净语音s一起用于评估损失；步骤S4、对语音增强模型进行训练的过程中，设置增强模型的超参数，使得目标损失函数最小化，直至设置的迭代次数，得到训练好的基于全局掩码的自监督语音增强模型；所述测试阶段包括以下步骤：步骤S5、选取来自不同噪声源的原始含噪语音作为待增强语料，预处理待增强语料中的原始含噪语音，得到固定长度的含噪语音x′；步骤S6、将含噪语音x′输入步骤S4训练好的自监督语音增强模型中进行测试，得到增强语音

全文数据：

权利要求：

百度查询： 南京邮电大学 基于全局掩码的自监督语音增强方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD