[发明专利]语音处理方法、音视频通信设备以及车辆

说明书

本申请公开了一种语音处理方法、音视频通信设备以及车辆。其中，该方法包括：获取拾音设备采集到的原始语音集合，其中，原始语音集合包含第一语音和第二语音，其中，第一语音为来自位于有效交互区域内的声源发出的语音信号，第二语音为来自除位于有效交互区域内的声源之外的其他声源发出的语音信号，位于有效交互区域内的声源为拾音设备定向识别的语音交互对象；分别对第一语音和第二语音进行增强处理，得到增强处理后的第一语音和第二语音；利用深度学习模型对原始语音集合、增强处理后的第一语音和第二语音进行信号恢复处理，生成目标语音。本申请解决了相关技术中难以拾取有效交互区域内声源的语音信息的技术问题。

技术领域

本申请涉及数据处理领域，具体而言，涉及一种语音处理方法、音视频通信设备以及车辆。

背景技术

目前，在AIoT(AI+IoT，人工智能物联网)的语音交互场景下，麦克风阵列用于拾取目标说话人语音，提供给后续的语音识别模型进行识别，然而在语音交互的环境中一般会存在噪声、非目标的声源的干扰，从而会降低有效交互区域内声源的语音质量，使得语音信息拾取的难度增大。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种语音处理方法、音视频通信设备以及车辆，以至少解决相关技术中难以拾取有效交互区域内声源的语音信息的技术问题。

根据本申请实施例的一个方面，提供了一种语音处理方法，包括：获取拾音设备采集到的原始语音集合，其中，原始语音集合包含第一语音和第二语音，其中，第一语音为来自位于有效交互区域内的声源发出的语音信号，第二语音为来自除位于有效交互区域内的声源之外的其他声源发出的语音信号，位于有效交互区域内的声源为拾音设备定向识别的语音交互对象；分别对第一语音和第二语音进行增强处理，得到增强处理后的第一语音和第二语音；利用深度学习模型对原始语音集合、增强处理后的第一语音和第二语音进行信号恢复处理，生成目标语音，其中，目标语音为拾音设备定向拾取的语音信息。

根据本申请实施例的一个方面，提供了一种语音处理方法，包括：捕获设置在音视频通信设备上的拾音设备采集到的原始语音集合，其中，原始语音集合包含第一语音和第二语音，其中，第一语音为来自位于有效交互区域内的声源发出的语音信号，第二语音为来自除位于有效交互区域内的声源之外的其他声源发出的语音信号，位于有效交互区域内的声源为拾音设备定向识别的语音交互对象；分别对第一语音和第二语音进行增强处理，得到增强处理后的第一语音和第二语音；利用深度学习模型对原始语音集合、增强处理后的第一语音和第二语音进行信号恢复处理，生成目标语音；控制音视频通信设备输出目标语音。

根据本申请实施例的一个方面，提供了一种语音处理方法，包括：捕获设置在目标车辆上的拾音设备采集到的原始语音集合，其中，原始语音集合包含第一语音和第二语音，其中，第一语音为来自位于有效交互区域内的声源发出的语音信号，第二语音为来自除位于有效交互区域内的声源之外的其他声源发出的语音信号，位于有效交互区域内的声源为拾音设备定向识别的语音交互对象；分别对第一语音和第二语音进行增强处理，得到增强处理后的第一语音和第二语音；利用深度学习模型对原始语音集合、增强处理后的第一语音和第二语音进行信号恢复处理，生成目标语音；基于目标语音对目标车辆进行控制。

根据本申请实施例的一个方面，提供了一种语音处理方法，包括：云服务器接收客户端上传的原始语音集合，其中，原始语音集合通过拾音设备采集得到，原始语音集合包含第一语音和第二语音，其中，第一语音为来自位于有效交互区域内的声源发出的语音信号，第二语音为来自除位于有效交互区域内的声源之外的其他声源发出的语音信号，位于有效交互区域内的声源为拾音设备定向识别的语音交互对象；云服务器分别对第一语音和第二语音进行增强处理，得到增强处理后的第一语音和第二语音；云服务器利用深度学习模型对原始语音集合、增强处理后的第一语音和第二语音进行信号恢复处理，生成目标语音，其中，目标语音为拾音设备定向拾取的语音信息；云服务器输出目标语音至客户端。