[发明专利]混合语音分离方法及装置

说明书

本发明提供了一种混合语音分离方法及装置，该方法包括：通过近端录音设备和远端录音设备分别采集近音轨和远音轨，其中，所述近音轨为包括第一语音和环境噪音的第一混合语音，所述远音轨为包括所述第一语音、第二语音和环境噪音的第二混合语音；对所述近音轨中的第一语音的每段录音的开始时间和结束时间进行标注得到第一标记文件；根据所述第一标记文件对所述远音轨中的混合语音进行分离。在本发明中，通过标记第一语音的开始和结束时间，从而从混合语音中识别第一语音，以分离出第一语音和第二语音，从而提高了在复杂背景音场景下的语音分离效果。

技术领域

本发明涉及语音处理和识别领域，具体而言，涉及一种混合语音分离方法及装置。

背景技术

当前，市面上需要进行语音分离的录音器多用在安静环境，例如汽车内，或者用在背景音规律环境，例如看电视。分离方式多为二维水平摆放或者一维水平摆放，例如，使用2个～6个MIC通过声音的传播速度判断声音的方向与类型(人声、噪音)从而分离出不同方向人的声音(音轨)。

但是，按以上分离方式，在某些复杂环境下，例如，在服务场所中，背景音会变化的场景将导致无法正确的分离出人声(掺杂噪音和环境音)。

发明内容

本发明实施例提供了一种混合语音分离方法及装置，以至少解决相关技术中在背景音会变化的场景下语音分离效果不理想的问题。

根据本发明的一个实施例，提供了一种混合语音分离方法，包括：通过近端录音设备和远端录音设备分别采集近音轨和远音轨，其中，所述近音轨为包括第一语音和环境噪音的第一混合语音，所述远音轨为包括所述第一语音、第二语音和环境噪音的第二混合语音；对所述近音轨中的第一语音的每段录音的开始时间和结束时间进行标注得到第一标记文件；根据所述第一标记文件对所述远音轨中的混合语音进行分离。

可选地，对所述近音轨中的第一语音的每段录音的开始时间和结束时间进行标注得到第一标记文件之前，还包括：通过降噪处理以及基于空间信息对所述近音轨中的第一语音进行增强处理得到所述第一语音。

可选地，对所述近音轨中的第一语音的每段录音的开始时间和结束时间进行标注得到第一标记文件之前，还包括：对所述第一语音进行语音信号处理以判断出所述第一语音的每段录音的开始时间点和结束时间点。

可选地，根据所述第一标记文件对所述远音轨中的第二混合语音进行分离包括：将所述混合语音中与所述第一标记文件中的时间标记相同的语音识别为第一语音，以从所述第二混合语音中切分出所述第一语音和第二语音。

根据本发明的另一个实施例，提供了一种混合语音分离装置，包括：近端录音模块，用于采集近音轨，其中，所述近音轨为包括第一语音和环境噪音的第一混合语音；远端录音模块，用于采集远音轨，其中，所述远音轨为包括所述第一语音、第二语音和环境噪音的第二混合语音；标注模块，用于对所述近音轨中的第一语音的每段录音的开始时间和结束时间进行标注得到第一标记文件；分离模块，用于根据所述第一标记文件对所述远音轨中的混合语音进行分离。

可选地，所述装置还包括：预处理模块，用于通过降噪处理以及基于空间信息对所述近音轨中的第一语音进行增强处理得到所述第一语音。

可选地，所述装置还包括：判断模块，用于对所述第一语音进行语音信号处理以判断出所述第一语音的每段录音的开始时间点和结束时间点。

可选地，所述分离模块包括：识别单元，用于将所述第二混合语音中与所述第一标记文件中的时间标记相同的语音识别为第一语音；切分单元，用于从所述第二混合语音中切分出所述第一语音和第二语音。

根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。