本申請(qǐng)涉及人工智能，尤其涉及一種人形機(jī)器人的智能語音降噪交互方法和系統(tǒng)。

背景技術(shù)：

1、在人形機(jī)器人的應(yīng)用場(chǎng)景中，語音交互是其與人類溝通的重要方式。然而，不同應(yīng)用場(chǎng)景的環(huán)境噪聲是難以一致，并伴隨多聲源干擾等問題往往影響語音識(shí)別的準(zhǔn)確性和交互體驗(yàn)。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)實(shí)施例的主要目的在于提供一種人形機(jī)器人的智能語音降噪交互方法和系統(tǒng)。

2、本發(fā)明所采取的技術(shù)方案是：

3、一方面，本發(fā)明實(shí)施例提供了一種人形機(jī)器人的智能語音降噪交互方法，所述方法包括以下步驟：

4、采集聲源信息；

5、根據(jù)所述聲源信息，得到目標(biāo)聲源位置信息；

6、采集音頻數(shù)據(jù)；

7、根據(jù)所述目標(biāo)聲源位置信息和所述音頻數(shù)據(jù)，得到目標(biāo)音頻數(shù)據(jù)；

8、根據(jù)所述目標(biāo)音頻數(shù)據(jù)，完成降噪處理。

9、進(jìn)一步地，所述采集聲源信息，包括以下步驟：

10、獲取視覺信息和聲覺信息；

11、根據(jù)所述視覺信息和所述聲覺信息，得到空間位置信息；

12、根據(jù)所述空間位置信息，得到聲源信息。

13、進(jìn)一步地，所述根據(jù)所述聲源信息，得到目標(biāo)聲源位置信息，包括以下步驟：

14、預(yù)設(shè)若干個(gè)目標(biāo)采集區(qū)域；

15、根據(jù)所述目標(biāo)采集區(qū)域和所述聲源信息，得到目標(biāo)聲源位置信息。

16、進(jìn)一步地，所述根據(jù)所述目標(biāo)聲源位置信息和所述音頻數(shù)據(jù)，得到目標(biāo)音頻數(shù)據(jù)，包括以下步驟：

17、根據(jù)所述目標(biāo)聲源位置信息，從所述音頻數(shù)據(jù)中提取與目標(biāo)聲源位置對(duì)應(yīng)的語音信息；

18、根據(jù)所述語音信息，得到目標(biāo)音頻數(shù)據(jù)。

19、進(jìn)一步地，所述根據(jù)所述目標(biāo)音頻數(shù)據(jù)，完成降噪處理，包括以下步驟：

20、預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型；

21、根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型，確定掩蔽值；

22、根據(jù)所述掩蔽值和所述目標(biāo)音頻數(shù)據(jù)，完成降噪處理。

23、另一方面，本發(fā)明實(shí)施例還提供一種人形機(jī)器人的智能語音降噪交互系統(tǒng)，所述系統(tǒng)包括：

24、第一模塊，用于采集聲源信息；

25、第二模塊，用于根據(jù)所述聲源信息，得到目標(biāo)聲源位置信息；

26、第三模塊，用于采集音頻數(shù)據(jù)；

27、第四模塊，用于根據(jù)所述目標(biāo)聲源位置信息和所述音頻數(shù)據(jù)，得到目標(biāo)音頻數(shù)據(jù)；

28、第五模塊，用于根據(jù)所述目標(biāo)音頻數(shù)據(jù)，完成降噪處理。

29、進(jìn)一步地，所述系統(tǒng)還包括：

30、聲源定位模塊，用于確定說話人的空間位置信息；

31、目標(biāo)聲源識(shí)別模塊，用于根據(jù)目標(biāo)采集區(qū)域匹配目標(biāo)聲源位置；

32、音頻數(shù)據(jù)采集模塊，用于采用自動(dòng)增益控制算法技術(shù)優(yōu)化音頻采集；

33、目標(biāo)音頻數(shù)據(jù)提取模塊，用于提取目標(biāo)音頻數(shù)據(jù)；

34、降噪處理模塊和多模態(tài)信息融合模塊，用于執(zhí)行降噪處理。

35、進(jìn)一步地，所述系統(tǒng)還包括視覺模塊和聲覺模塊；

36、所述視覺模塊包括視覺傳感器；所述聲覺模塊包括麥克風(fēng)陣列。

37、另一方面，本發(fā)明實(shí)施例還提供一種人形機(jī)器人的智能語音降噪交互裝置，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如前面所述的人形機(jī)器人的智能語音降噪交互方法。

38、另一方面，本發(fā)明實(shí)施例還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令，所述計(jì)算機(jī)可執(zhí)行指令用于使計(jì)算機(jī)執(zhí)行如前面所述的方法。

39、本申請(qǐng)實(shí)施例至少包括以下有益效果：本申請(qǐng)?zhí)峁┮环N人形機(jī)器人的智能語音降噪交互方法和系統(tǒng)。本發(fā)明采集聲源信息；根據(jù)所述聲源信息，得到目標(biāo)聲源位置信息；采集音頻數(shù)據(jù)；根據(jù)所述目標(biāo)聲源位置信息和所述音頻數(shù)據(jù)，得到目標(biāo)音頻數(shù)據(jù)；根據(jù)所述目標(biāo)音頻數(shù)據(jù)，完成降噪處理。本發(fā)明能夠提高人形機(jī)器人在復(fù)雜聲學(xué)環(huán)境中的語音識(shí)別準(zhǔn)確度。

技術(shù)特征：

1.一種人形機(jī)器人的智能語音降噪交互方法，其特征在于，所述方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采集聲源信息，包括以下步驟：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述聲源信息，得到目標(biāo)聲源位置信息，包括以下步驟：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述目標(biāo)聲源位置信息和所述音頻數(shù)據(jù)，得到目標(biāo)音頻數(shù)據(jù)，包括以下步驟：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述目標(biāo)音頻數(shù)據(jù)，完成降噪處理，包括以下步驟：

6.一種人形機(jī)器人的智能語音降噪交互系統(tǒng)，其特征在于，所述系統(tǒng)包括：

7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括：

8.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括視覺模塊和聲覺模塊；

9.一種人形機(jī)器人的智能語音降噪交互裝置，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至5中任意一項(xiàng)所述的人形機(jī)器人的智能語音降噪交互方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令，所述計(jì)算機(jī)可執(zhí)行指令用于使計(jì)算機(jī)執(zhí)行如權(quán)利要求1至5任意一項(xiàng)所述的方法。

技術(shù)總結(jié)
本申請(qǐng)實(shí)施例提供了一種人形機(jī)器人的智能語音降噪交互方法和系統(tǒng)，屬于人工智能技術(shù)領(lǐng)域。本發(fā)明采集聲源信息；根據(jù)所述聲源信息，得到目標(biāo)聲源位置信息；采集音頻數(shù)據(jù)；根據(jù)所述目標(biāo)聲源位置信息和所述音頻數(shù)據(jù)，得到目標(biāo)音頻數(shù)據(jù)；根據(jù)所述目標(biāo)音頻數(shù)據(jù)，完成降噪處理。本發(fā)明能夠提高人形機(jī)器人在復(fù)雜聲學(xué)環(huán)境中的語音識(shí)別準(zhǔn)確度。

技術(shù)研發(fā)人員：李衛(wèi)銃
受保護(hù)的技術(shù)使用者：廣州里工實(shí)業(yè)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19