[发明专利]语音提取方法、系统、设备及存储介质

权利要求书

1.一种语音提取方法，其特征在于，包括：

将混合语音输入到分离网络的特征提取模块，获取所述混合语音对应的特征向量，所述混合语音包括目标对象的语音和噪声语音；

将预设向量和所述特征向量输入到所述分离网络的语音提取模块，从所述混合语音中提取出所述目标对象的语音，其中，所述分离网络通过样本和标签训练得到，所述预设向量根据所述目标对象的预设语音获得，所述语音提取模块以所述预设向量为参考，调整所述目标对象的语音和所述噪声语音在所述混合语音中所占的比例，从而保留所述目标对象的语音而忘记所述噪声语音。

2.如权利要求1所述语音提取方法，其特征在于，所述语音提取模块以所述预设向量为参考，调整所述目标对象的语音和所述噪声语音在所述混合语音中所占的比例，从而保留所述目标对象的语音而忘记所述噪声语音，通过如下方式实现：

LSTM优化网络中的遗忘门将所述目标对象的语音映射成1，将所述噪声语音映射成0，所述语音提取模块包括LSTM优化网络。

3.如权利要求2所述语音提取方法，其特征在于，LSTM优化网络中的遗忘门计算公式如下：

f_t＝σ(W_e[h_t-1,e_j]+b_e)，

其中，f_t表示t时刻遗忘门的输出，σ表示sigmoid函数，W_e表示遗忘门的权重矩阵，b_e表示遗忘门的偏置，h_t-1表示t-1时刻的隐藏状态，e_j表示所述预设向量，j表示所述目标对象的语音在所述混合语音中的位置。

4.如权利要求1至3任一所述语音提取方法，其特征在于，所述预设向量通过如下方式获得：

将所述预设语音依次输入到若干个依次连接的LSTM网络，获取所述预设向量。

5.如权利要求1至3任一所述语音提取方法，其特征在于，所述特征提取模块为若干个依次连接的空洞卷积层。

6.如权利要求1至3任一所述语音提取方法，其特征在于，将预设向量和所述混合语音对应的特征向量输入到所述分离网络的语音提取模块，从所述混合语音中提取出所述目标对象的语音，包括：

将所述预设向量和所述混合语音对应的特征向量输入到修改后的LSTM网络中，并将修改后的LSTM网络的输出结果作为全连接层的输入，获取所述目标对象的语音。

7.如权利要求1至3任一所述语音提取方法，其特征在于，所述分离网络在训练时的损失函数如下：

X_E＝X^*-X_T，

其中，SI-SNR表示所述损失函数，X^*表示所述分离网络的输出结果，表示标签。

8.一种语音提取系统，其特征在于，包括：

特征提取模块，用于将混合语音输入到分离网络的特征提取模块，获取所述混合语音对应的特征向量，所述混合语音包括目标对象的语音和噪声语音；

语音提取模块，用于将预设向量和所述特征向量输入到所述分离网络的语音提取模块，从所述混合语音中提取出所述目标对象的语音，其中，所述分离网络通过样本和标签训练得到，所述预设向量根据所述目标对象的预设语音获得，所述语音提取模块以所述预设向量为参考，调整所述目标对象的语音和所述噪声语音在所述混合语音中所占的比例，从而保留所述目标对象的语音而忘记所述噪声语音。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述语音提取方法的步骤。

10.一种计算机存储介质，所述计算机存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述语音提取方法的步骤。