一种基于线性注意力的语音增强方法、系统、介质及设备

专利概览

申请人

四川湖山电器股份有限公司

发明人

谭奥域;钱兵;肖景;王正学

申请号

CN202611095795.8

主分类号

G10L21/0232

IPC

G10L21/0232;G10K11/178;G10L25/18;G10L25/30;G10L21/0208

摘要

本发明公开了一种基于线性注意力的语音增强方法、系统、介质及设备，涉及语音增强领域。包括：对带噪语音信号进行短时傅里叶变换并构建输入特征；提取编码特征，将编码特征输入双路径门控线性注意力瓶颈层，在频率路径上采用双向门控线性注意力进行特征建模，在时间路径上采用前向门控线性注意力进行特征建模，并融合两条路径的处理结果；通过解码器得到输出特征，根据输出特征确定复数深度滤波掩膜，并对当前帧频谱和至少一个历史帧频谱进行深度滤波；对增强语音频谱进行短时傅里叶逆变换，得到增强语音信号。本发明能够在降低模型计算量和存储开销的同时，提高语音增强模型对时域和频域远距离依赖关系的建模能力。

转化信息

许可费

面议