[发明专利]一种音频数据处理方法、装置及存储介质

权利要求书

1.一种音频数据处理方法，其特征在于，所述方法由终端执行，所述终端中携带具有语音采集功能的麦克风阵列、语音增强系统、第一唤醒检测模型和第二唤醒检测模型，所述语音增强系统包括回声消除器、波束形成器、噪声消除器和混响消除器，所述方法包括：

获取环境空间中的多路音频数据，并基于所述多路音频数据得到语音数据集合，并在所述波束形成器的多个增强方向上分别生成所述语音数据集合对应的增强语音信息；一路音频数据为所述麦克风阵列中的一个全向麦克风所采集到的所述环境空间中的音频信号，且所述麦克风阵列中的全向麦克风的个数决定了获取到的音频数据的路数；所述音频信号包含第一语音信号和第二语音信号；所述第一语音信号是所述麦克风阵列所采集到的一个或者多个用户发出的声音信号，所述第二语音信号是所述麦克风阵列所采集到的所述终端发出的声音信号；所述语音数据集合是由所述回声消除器对每路音频数据中的第二语音信号进行去噪处理后所组合得到的；所述波束形成器用于在每个增强方向上增强所述语音数据集合中的第一语音信号，得到所述每个增强方向上的方向性增强数据；所述语音数据集合对应的增强语音信息是由所述噪声消除器和所述混响消除器，对所述每个增强方向上的方向性增强数据进行环境噪音滤除后所得到的；

将通过所述第一唤醒检测模型所获取到的所述增强语音信息中的语音隐藏特征与目标匹配词进行匹配，并将与所述目标匹配词具有最高匹配度的增强语音信息对应的增强方向，确定为目标音频方向；所述第一唤醒检测模型中的唤醒词检测器用于接收来自对应增强方向上的增强语音信息，且所述第一唤醒检测模型中的唤醒词检测器的个数取决于所述语音增强系统中的所述波束形成器的增强方向的个数；所述增强语音信息中的语音隐藏特征是从所述第一唤醒检测模型所获取到的所述增强语音信息中的语音频谱特征提取到的；

通过所述第二唤醒检测模型获取所述增强语音信息中的语音频谱特征，并在所述语音频谱特征中获取所述目标音频方向上的语音频谱特征；所述第二唤醒检查模型中包含用于存储所述目标音频方向上的语音隐藏特征和语音频谱特征的缓存器；存储在所述缓存器中的所述目标音频方向上的语音隐藏特征是由所述第一唤醒检测模型所确定的；

通过所述第二唤醒检测模型，对所述缓存器中所存储的所述目标音频方向上的语音隐藏特征和语音频谱特征进行向量拼接，以对拼接得到的拼接向量特征进行语音验证，得到目标验证结果；所述目标验证结果用于表征所述目标音频方向上存在用于控制终端的所述目标匹配词的概率。

2.根据权利要求1所述的方法，其特征在于，所述获取环境空间中的多路音频数据，包括：

获取终端所处环境空间对应的麦克风阵列；所述麦克风阵列包含多个麦克风，以及各麦克风对应的阵列结构；

基于所述各麦克风的阵列结构采集所述环境空间中的音频信号；所述音频信号包含至少一个语音信号；

将所述各麦克风采集到的所述至少一个语音信号，分别确定为所述各麦克风对应的一路音频数据；一路音频数据为一个麦克风所采集到的所述至少一个语音信号。

3.根据权利要求2所述的方法，其特征在于，所述各麦克风对应的一路音频数据包含第一语音信号和第二语音信号；所述第一语音信号是所述麦克风阵列所采集到的用户发出的声音信号，所述第二语音信号是所述麦克风阵列所采集到的所述终端发出的声音信号；

所述基于所述多路音频数据得到语音数据集合，包括：

从所述麦克风阵列中的各麦克风中选取一个麦克风作为目标麦克风，并将所述目标麦克风对应的包含第一语音信号和第二语音信号的音频数据，作为目标音频数据；

使用回声消除器消除所述目标音频数据中的第二语音信号，并将消除第二语音信号后的目标音频数据确定为待增强语音数据；

当所述麦克风阵列中的每个麦克风均被确定为目标麦克风时，得到与各路音频数据分别对应的待增强语音数据；

将各待增强语音数据分别添加到语音数据集合。