[发明专利]声码器的选择及模型训练方法、装置、设备和存储介质

权利要求书

1.一种声码器的选择方法，包括：

获得多个声码器中至少一个声码器输出的音频；

对所述至少一个声码器输出的音频进行处理，以获得能量谱特征，其中，所述至少一个声码器输出的音频包括多条，所述能量谱特征为多组，各组能量谱特征对应各条音频；

采用检测模型对所述多组能量谱特征中的至少一组能量谱特征进行处理，以确定所述至少一组能量谱特征对应的音频中是否包含杂音；对所述多条音频中包含杂音的音频进行统计，以获得所述至少一个声码器对应的杂音数量；

在所述多个声码器中，选择杂音数量最小的声码器，作为待采用的声码器。

2.根据权利要求1所述的方法，其中，所述对所述至少一个声码器输出的音频进行处理，以获得能量谱特征，包括：

提取所述至少一个声码器输出的音频的短时傅里叶变换STFT特征；

将所述STFT特征转换为能量谱特征。

3.一种检测模型的训练方法，所述检测模型用于检测多个声码器中至少一个声码器输出的音频对应的检测结果，所述检测结果为所述音频中是否包含杂音，所述检测结果用于确定杂音数量，所述杂音数量用于在所述多个声码器中选择杂音数量最小的声码器作为待采用的声码器，所述方法包括：

获取训练数据，所述训练数据包括：音频样本和所述音频样本对应的标签信息，所述标签信息用于标识所述音频样本中是否包含杂音；

对所述音频样本进行处理，以获得所述音频样本的能量谱特征，其中，所述音频样本包括多条，所述能量谱特征为多组，各组能量谱特征对应各条音频样本；

采用检测模型对所述多组能量谱特征中的至少一组能量谱特征进行处理，以确定所述至少一组能量谱特征对应的音频样本的预测输出，所述预测输出用于表明所述音频样本中是否包含杂音；

基于所述预测输出和所述标签信息，调整所述检测模型的参数。

4.根据权利要求3所述的方法，其中，所述对所述音频样本进行处理，以获得所述音频样本的能量谱特征，包括：

提取所述音频样本的短时傅里叶变换STFT特征；

将所述STFT特征转换为所述音频样本对应的能量谱特征。

5.根据权利要求3或4所述的方法，其中，所述音频样本包括正样本和/或负样本，所述获取训练数据，包括：

采用预先确定的声码器，对预先获取的声学特征进行处理，以生成多个子带音频；

将所述多个子带音频合成为正样本；和/或，

对所述多个子带音频中的至少部分子带音频进行扰动，以获得加扰子带音频，将所述加扰子带音频合成为负样本。

6.根据权利要求5所述的方法，其中，所述对所述多个子带音频中的至少部分子带音频进行扰动，包括：

对所述多个子带音频中的预设个数的低频子带对应的子带音频进行扰动。

7.一种声码器的选择装置，包括：

获取模块，用于获得多个声码器中至少一个声码器输出的音频；

处理模块，用于对所述至少一个声码器输出的音频进行处理，以获得能量谱特征，其中，所述至少一个声码器输出的音频包括多条，所述能量谱特征为多组，各组能量谱特征对应各条音频；采用检测模型对所述多组能量谱特征中的至少一组能量谱特征进行处理，以确定所述至少一组能量谱特征对应的音频中是否包含杂音；对所述多条音频中包含杂音的音频进行统计，以获得所述至少一个声码器对应的杂音数量；

选择模块，用于在所述多个声码器中，选择杂音数量最小的声码器，作为待采用的声码器。

8.根据权利要求7所述的装置，其中，所述处理模块具体用于：

提取所述至少一个声码器输出的音频的短时傅里叶变换STFT特征；

将所述STFT特征转换为能量谱特征。