[发明专利]模型训练方法、语音分离方法、装置及电子设备

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

将声音信号的语音特征分别输入预先训练的N个第一神经网络模型，得到N个输出结果，所述N个输出结果为从所述声音信号中分离出的N个拾音区域对应的说话人语音的语音特征，N为大于1的整数；

将所述声音信号的语音特征输入第二神经网络模型，对所述第二神经网络模型进行训练，其中，用于训练所述第二神经网络模型的损失函数基于所述N个输出结果确定；

所述损失函数基于所述N个输出结果和所述声音信号中真实的说话人语音确定；

所述损失函数与第一损失值成正相关，所述第一损失值为：a*(T1-T2)²，其中，a为训练系数，T1基于所述N个输出结果拼接获得，T2为所述第二神经网络模型的输出值。

2.根据权利要求1所述的方法，其特征在于，所述损失函数与第二损失值成正相关，所述第二损失值为：(1-a)*(T3-T2)²，其中，T3为所述声音信号中真实的说话人语音的语音特征。

3.根据权利要求1或2所述的方法，其特征在于，所述对所述第二神经网络模型进行训练，包括：

在第一轮训练过程中，将损失函数中的训练系数设置为预设值，基于设置后的训练系数对所述第二神经网络模型进行训练；

在第M轮训练过程中，将所述损失函数中的训练系数按照预设规则调整为目标值，基于调整后的训练系数对所述第二神经网络模型进行训练，所述目标值小于所述预设值，M为大于1的整数。

4.一种语音分离方法，其特征在于，所述方法包括：

采用权利要求1至3中任一项所述的模型训练方法对所述第二神经网络模型进行训练；

将待分离语音输入训练完成的所述第二神经网络模型，得到语音分离结果。

5.一种模型训练装置，其特征在于，所述模型训练装置包括：

第一输入模块，用于将声音信号的语音特征分别输入预先训练的N个第一神经网络模型，得到N个输出结果，所述N个输出结果为从所述声音信号中分离出的N个拾音区域对应的说话人语音的语音特征，N为大于1的整数；

第二输入模块，用于将所述声音信号的语音特征输入第二神经网络模型，对所述第二神经网络模型进行训练，其中，用于训练所述第二神经网络模型的损失函数基于所述N个输出结果确定；

所述损失函数基于所述N个输出结果和所述声音信号中真实的说话人语音确定；

所述损失函数与第一损失值成正相关，所述第一损失值为：a*(T1-T2)²，其中，a为训练系数，T1基于所述N个输出结果拼接获得，T2为所述第二神经网络模型的输出值。

6.一种语音分离装置，其特征在于，所述语音分离装置包括：

训练模块，用于采用权利要求1至3中任一项所述的模型训练方法对所述第二神经网络模型进行训练；

输入模块，用于将待分离语音输入训练完成的所述第二神经网络模型，得到语音分离结果。

7.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如权利要求1至3中任一项所述的模型训练方法中的步骤，或者，所述程序被所述处理器执行时实现如权利要求4所述的语音分离方法中的步骤。