1.一种降噪方法，其特征在于，所述方法包括：
服务器获取训练数据，所述训练数据包括在第一环境中收集的第一语音信息和在第二环境中收集的第二语音信息，所述第一环境中的噪声小于等于预设阈值，所述第二环境中的噪声大于所述预设阈值；
所述服务器根据所述训练数据，确定所述训练数据的时域特征值和目标值；所述训练数据的时域特征值包括噪声阈值、长时能量值、短时能量值和噪声包络跟踪值中的一项或多项；所述训练数据的目标值包括所述第一语音信息的语音活动检测值和/或所述第二语音信息的全带信噪比；
所述服务器基于频域构建的深度学习训练模型，对所述时域特征值和所述目标值进行训练，得到模型参数，并将所述模型参数发送给终端设备，所述模型参数用于所述终端设备对用户输入的语音信息进行降噪处理。
2.一种降噪方法，其特征在于，所述方法包括：
终端设备接收服务器发送的模型参数；
所述终端设备根据所述模型参数，对所述终端设备中的第一语音降噪模型的参数进行更新，得到更新后的第一语音降噪模型；
所述终端设备在接收到用户输入的语音信息后，使用所述更新后的第一语音降噪模型对所述语音信息进行降噪处理。
3.根据权利要求2所述的方法，其特征在于，所述终端设备接收服务器发送的模型参数之后，还包括：
所述终端设备将预设标志更新为第一指示值；
所述终端设备得到更新后的第一语音降噪模型之后，还包括：
所述终端设备将所述预设标志更新为第二指示值。
4.根据权利要求3所述的方法，其特征在于，所述终端设备在接收到用户输入的语音信息后，使用所述更新后的第一语音降噪模型对所述语音信息进行更新之前，还包括：
所述终端设备确定所述预设标志为所述第二指示值。
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
所述终端设备在接收到用户输入的语音信息后，若确定所述预设标志为所述第一指示值，则使用所述终端设备中的第二语音降噪模型对所述语音信息进行降噪处理；所述第二语音降噪模型为所述第一语音降噪模型的备用模型。
6.一种服务器，其特征在于，所述服务器包括：
获取模块，用于获取训练数据，所述训练数据包括在第一环境中收集的第一语音信息和在第二环境中收集的第二语音信息，所述第一环境中的噪声小于等于预设阈值，所述第二环境中的噪声大于所述预设阈值；
确定模块，用于根据所述训练数据，确定所述训练数据的时域特征值和目标值，所述训练数据的时域特征值包括噪声阈值、长时能量值、短时能量值和噪声包络跟踪值中的一项或多项；所述训练数据的目标值包括所述第一语音信息的语音活动检测值和/或所述第二语音信息的全带信噪比；
处理模块，用于基于频域构建的深度学习训练模型，对所述时域特征值和所述目标值进行训练，得到模型参数，并将所述模型参数发送给终端设备，以使所述终端设备使用所述模型参数对用户输入的语音信息进行降噪处理。
7.一种终端设备，其特征在于，所述终端设备包括：
收发模块，用于接收服务器发送的模型参数；
更新模块，用于根据所述模型参数，对所述终端设备中的第一语音降噪模型的参数进行更新，得到更新后的第一语音降噪模型；
降噪模块，用于在接收到用户输入的语音信息后，使用所述更新后的第一语音降噪模型对所述语音信息进行降噪处理。
8.根据权利要求7所述的终端设备，其特征在于，在所述收发模块接收到服务器发送的模型参数之后，所述更新模块还用于：将预设标志更新为第一指示值，以及在得到更新后的第一语音降噪模型之后，将所述预设标志更新为第二指示值。
9.根据权利要求8所述的终端设备，其特征在于，所述降噪模块还用于：
确定所述预设标志为所述第二指示值。
10.根据权利要求9所述的终端设备，其特征在于，所述降噪模块还用于：
在接收到用户输入的语音信息后，若确定所述预设标志为所述第一指示值，则使用所述终端设备中的第二语音降噪模型对所述语音信息进行降噪处理；所述第二语音降噪模型为所述第一语音降噪模型的备用模型。