一种基于音视频的多模态语音增强系统

本发明公开了一种基于音视频的多模态语音增强系统，该增强系统包括数据采集模块，通过麦克风采集目标音频以及背景噪声和干扰音；利用摄像头同步采集环境视觉信息，包括说话者的面部表情和口型，对噪声和干扰音进行归一化处理，确保与目标音频的动态范围匹配；数据分析模块，对采集到的音频进行预处理，包括噪声抑制和语音增强，应用深度学习模型提高语音的清晰度；提高语音清晰度：该发明通过降噪和语音增强技术，能够有效减少背景噪声的干扰，使语音更加清晰。这样，听众能更容易听懂讲话内容，尤其是在嘈杂的环境中，如公共交通工具或繁忙的街道；改善语音识别准确率：该发明可以提高语音信号的质量。