[发明专利]一种音频数据处理方法、设备以及计算机可读存储介质有效
| 申请号： | 202010975371.7 | 申请日： | 2020-09-16 |
| 公开（公告）号： | CN112071330B | 公开（公告）日： | 2022-09-20 |
| 发明（设计）人： | 王珺 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G10L21/028 | 分类号： | G10L21/028;G10L21/0216;G10L25/30 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 熊永强;杜维 |
| 地址： | 518057 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 音频 数据处理 方法 设备 以及 计算机 可读 存储 介质 | ||
1.一种音频数据处理方法，其特征在于，包括：
获取声源混合音频数据，将所述声源混合音频数据输入至音频分离模型；所述音频分离模型包括通用分离组件、第一注意力网络层以及第二注意力网络层；
基于所述通用分离组件对所述声源混合音频数据进行声源分离预处理，得到通用分离音频特征；
将所述通用分离音频特征分别输入至所述第一注意力网络层以及所述第二注意力网络层；
在所述第一注意力网络层中，对所述通用分离音频特征进行特征提取处理，得到目标分离音频特征，对所述目标分离音频特征进行特征映射处理，生成至少一个声源分别对应的上下文初始音频特征，根据所述上下文初始音频特征以及所述通用分离音频特征，生成所述至少一个声源分别对应的上下文目标音频特征，将所述上下文目标音频特征输入至所述第二注意力网络层；
在所述第二注意力网络层中，对所述通用分离音频特征进行隐藏特征提取处理，得到所述通用分离音频特征对应的分离隐藏音频特征，根据所述上下文目标音频特征以及所述通用分离音频特征对应的分离隐藏音频特征，生成所述通用分离音频特征对应的分离过渡音频特征，根据所述通用分离音频特征对应的分离过渡音频特征，生成至少一个分离优化音频特征；
根据所述至少一个分离优化音频特征，生成所述至少一个声源分别对应的重构声源音频。
2.根据权利要求1所述的方法，其特征在于，所述第一注意力网络层包括第一分离组件以及嵌入组件；
所述对所述通用分离音频特征进行特征提取处理，得到目标分离音频特征，对所述目标分离音频特征进行特征映射处理，生成至少一个声源分别对应的上下文初始音频特征，根据所述上下文初始音频特征以及所述通用分离音频特征，生成所述至少一个声源分别对应的上下文目标音频特征，包括：
通过所述第一分离组件，对所述通用分离音频特征进行特征提取处理，得到所述目标分离音频特征，将所述目标分离音频特征输入至所述嵌入组件；
通过所述嵌入组件，对所述目标分离音频特征进行特征映射处理，生成所述至少一个声源分别对应的上下文初始音频特征；
根据所述上下文初始音频特征以及所述通用分离音频特征，生成所述至少一个声源分别对应的第一注意力分布参数；
根据所述第一注意力分布参数以及所述上下文初始音频特征，生成所述上下文目标音频特征。
3.根据权利要求2所述的方法，其特征在于，所述第一注意力网络层包括第一注意力机制组件；
所述根据所述上下文初始音频特征以及所述通用分离音频特征，生成所述至少一个声源分别对应的第一注意力分布参数，包括：
对所述通用分离音频特征进行降维处理，得到期望分离音频特征；
将所述上下文初始音频特征以及所述期望分离音频特征输入至所述第一注意力机制组件；所述上下文初始音频特征包括上下文初始音频特征Yj，所述至少一个声源包括声源Sj，其中，j为正整数，且j小于或等于所述至少一个声源的声源总数量；
在所述第一注意力机制组件中，根据所述上下文初始音频特征Yj以及所述期望分离音频特征，生成所述声源Sj对应的第一注意力分布参数Cj；
则所述根据第一注意力分布参数以及所述上下文初始音频特征，生成所述上下文目标音频特征，包括：
根据所述第一注意力分布参数Cj以及所述上下文初始音频特征Yj，生成所述声源Sj对应的上下文目标音频特征Zj。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于腾讯科技（深圳）有限公司，未经腾讯科技（深圳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010975371.7/1.html，转载请声明来源钻瓜专利网。
