基于多尺度特征学习的语音增强方法、装置、设备及介质

本发明涉及语音处理技术领域，可应用于医疗健康及金融科技等业务场景中，公开了一种基于多尺度特征学习的语音增强方法，包括：对输入音频信号进行分帧处理，提取梅尔频谱特征，利用多尺度卷积神经网络提取频域特征，并对其进行编码降维；通过深度残差网络抑制噪声，生成增强后的音频特征，并采用非自回归生成模型进行特征转换，最终利用生成对抗网络重构目标语音波形。本发明通过多尺度卷积神经网络提取语音频域特征，提高不同频段的特征表达能力；通过深度残差网络进行噪声抑制，增强语音信号的纯净度；通过非自回归生成模型优化特征转换，提高语音增强的建模效率；通过生成对抗网络重构目标语音波形，提高生成语音的自然度和清晰度。