1.一种会议场景下对目标说话人的定向语音分离方法,其特征在于,包括:
2.根据权利要求1所述的会议场景下对目标说话人的定向语音分离方法,其特征在于,所述生成会议场景的训练数据,具体包括:
3.根据权利要求1所述的会议场景下对目标说话人的定向语音分离方法,其特征在于,所述说话人编码器包括依次连接的第一一维卷积神经网络、多个残差网络块、第二一维卷积神经网络、池化层和softmax层;
4.根据权利要求1所述的会议场景下对目标说话人的定向语音分离方法,其特征在于,对所述训练数据中的每条会议语音进行切分与编码,获得每条会议语音对应的多段混合音频输入的特征表示,具体包括:
5.根据权利要求1所述的会议场景下对目标说话人的定向语音分离方法,其特征在于,所述定向语音分离模型训练时所使用的损失函数为
6.根据权利要求1所述的会议场景下对目标说话人的定向语音分离方法,其特征在于,所述定向语音分离模型包括:依次连接的n层时序卷积神经网络结构、第三一维卷积神经网络、relu层和一维反卷积层。
7.一种会议场景下对目标说话人的定向语音分离系统,其特征在于,包括:
8.一种电子设备,其特征在于,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的会议场景下对目标说话人的定向语音分离方法。
9.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被执行时实现如权利要求1至6中任一项所述的会议场景下对目标说话人的定向语音分离方法。