[发明专利]语音信号分离方法、装置、计算机设备以及存储介质

说明书

本发明公开了一种语音信号分离方法、装置、计算机设备以及存储介质，属于语音信号处理领域。所述方法包括：对待分离的音频文件的声波波形进行采样，得到音频信号；将音频信号从时域转换至频域，得到音频信号的频谱，频谱仅用于表示音频信号的振幅且振幅为实数；将音频信号的频谱进行分解，得到伴奏频谱与人声频谱；将伴奏频谱与人声频谱从频域转换至时域，得到伴奏音频与人声音频。本发明利用转换时仅用实数来表示音频帧的振幅的变换算法，来进行时域到频域以及频域到时域的变换，由于变换前后均不会对相位进行变换，相位信息不受损失，因此，基于这种转换方式从音频文件中分离伴奏和人声，避免傅里叶变换频谱分解的相位失真问题。

技术领域

本发明涉及语言信号处理领域，特别涉及一种语音信号分离方法、装置、计算机设备以及存储介质。

背景技术

随着语音信号处理技术的不断发展,语音信号分离在人们的日常生活中得到了广泛的应用。例如，用户在使用一些K歌软件时，想结合伴奏录制自己演唱的歌曲，那么就需要使用服务器提供的歌曲伴奏，伴奏的质量直接影响到最后录制成品的效果。因此，如何进行语音信号分离，以得到伴奏音频与人声音频，对于提升伴奏音频的质量至关重要。

目前，在进行语音信号分离时，均会涉及到运用傅里叶变换将音频信号从时域转换至频域的过程，该过程可以得到复数频谱。从而，可以通过对复数频谱进行分解，得到分离出的伴奏频谱与人声频谱，再通过傅里叶反变换，得到伴奏音频与人声音频。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：由于在对复数频谱进行分解时，仅利用了振幅频谱，从而导致分离出的伴奏音频存在相位失真的现象。

发明内容

本发明实施例提供了一种语音信号分离方法、装置、计算机设备以及存储介质，能够解决语音信号分离的相位失真问题。该技术方案如下：

一方面，提供了一种语音信号分离方法，该方法包括：

对待分离的音频文件的声波波形进行采样，得到音频信号；

将该音频信号从时域转换至频域，得到该音频信号的频谱，该频谱仅用于表示该音频信号的振幅且该振幅为实数；

将该音频信号的频谱进行分解，得到伴奏频谱与人声频谱；

将该伴奏频谱与人声频谱从频域转换至时域，得到伴奏音频与人声音频。

在一种可能实现方式中，该将该音频信号从时域转换至频域，得到该音频信号的频谱，包括：

将该音频信号进行分帧处理，得到多个音频帧；

将该多个音频帧分别从时域转换至频域，得到该多个音频帧的频谱，每个音频帧的频谱仅用于表示该音频帧的振幅且振幅为实数；

将该多个音频帧的频谱进行组合，得到该音频信号的频谱。

在一种可能实现方式中，该将该音频信号进行分帧处理，得到多个音频帧，包括：

基于预设窗函数，对所述音频信号进行加窗处理，得到多个音频帧。

在一种可能实现方式中，该预设窗函数的长度与该每个音频帧的采样点数相同。

在一种可能实现方式中，每个音频帧的采样点数是帧重叠采样点数的2倍。

在一种可能实现方式中，该将该音频信号的频谱进行分解，得到伴奏频谱与人声频谱，包括：

调用预设分解模型，该预设分解模型用于基于信号频谱进行频谱分离；

将该音频信号的频谱输入该预设分解模型，输出伴奏频谱与人声频谱。

一方面，提供了一种语音信号分离装置，该装置包括：