摘要
本发明涉及耳机降噪技术领域,具体涉及一种基于多任务学习的耳机自适应降噪方法,步骤1,建立一种端到端的多任务深度学习耳机降噪模型;步骤2,选择音频样本;步骤3,采用步骤2中得到的音频样本对待训练的多任务深度学习降噪模型进行训练;步骤4,训练完成后,将音频数据输入到模型中,输出端将输出降噪后的信号,所述的音频数据是无噪声数据且包含目标对话的语音;步骤5,针对步骤4中输出的降噪信号,计算其置信度分数,所述的置信度分数用于评价音频质量的好坏,通过多任务学习框架,显著提高了模型对不同噪声环境的适应能力。基础降噪模型专注于降噪效果,噪声分类模型辅助识别噪声类型,而可听降噪输出信号模型则确保输出语音的自然度。
技术关键词
降噪模型
噪声分类
学习耳机
多任务深度学习
非线性噪声
基础
信号
噪声数据
传播算法
语音
音频
耳机降噪技术
样本
降噪方法
注意力机制
系统为您推荐了相关专利信息
补全方法
掩码矩阵
变量
多元时间序列数据
时间滑动窗口
反演模型
联合损失函数
多尺度特征
多源特征
动态校正