一种针对多语种、复杂场景下的语言数据预处理方法

本发明涉及语言数据处理技术领域，且公开了一种针对多语种、复杂场景下的语言数据预处理方法，基于AutoPrep框架的多语种、复杂场景下的语音数据预处理系统，集成语音增强、语音分割、说话人聚类、目标语音提取与质量过滤五大模块，实现语音数据的自动化、结构化处理，本方案，实现了对多语种语音信号中稳态与瞬态噪声的差异化抑制，特别是在小语种（如哈萨克语、他加禄语）场景中，有效提升了语音信噪比和语音特征的语言无关性，克服了现有技术中小语种缺乏专属音系处理模块而导致音素映射错误率高的问题，增强了低资源语言数据的可用性与处理效果。