用于使用数据集进行音频信号增强的装置、方法和计算机程序与流程

本公开的示例涉及用于使用数据集进行音频信号增强的装置、方法和计算机程序。一些示例涉及用于针对目标用例使用数据集进行音频信号增强的装置、方法和计算机程序。

背景技术：

1、可以训练诸如机器学习模型之类的计算机程序以用于处理音频信号。大型通用数据集通常被用于这种训练。

技术实现思路

1、根据本公开的各种但并非所有示例，可以提供一种装置，其包括用于执行以下操作的部件：

2、使得能够访问经训练的计算机程序，其中，经训练的计算机程序被配置用于处理一个或多个音频信号以增强在一个或多个音频信号内的声音的可听度，并且其中，使用通用数据集来训练经训练的计算机程序；

3、获得数据集，其中，该数据集包括具有用于该计算机程序的输入和输出的数据样本；以及

4、使用该数据集来更新用于处理一个或多个音频信号以增强在一个或多个音频信号内的声音的可听度的经训练的计算机程序，其中，更新经训练的计算机程序包括：使用该数据集的至少一部分来训练该计算机程序，以及针对该数据集的至少一部分和针对通用数据集的至少一部分，评估更新后的计算机程序的性能。

5、数据集可以包括在通用数据集内未包括的数据的至少子集。

6、数据集可以包括在通用数据集内未包括的数据。

7、获得数据集可以由以下中的一项或多项触发：终端用户的输入，终端用户设备的请求，终端用户应用的请求，与经训练的计算机程序相关的时间段的到期，通用数据集与上述数据集之间的相似度评估的输出。

8、数据集可以使用以下中的一项或多项来获得：真实世界测量；以及模拟器。

9、使用数据集来更新经训练的计算机程序可以包括：使用该数据集的第一子集来训练该计算机程序，以及使用该数据集的第二子集来评估更新后的计算机程序的性能，其中，第一子集和第二子集的数据不相交。

10、使用数据集来更新经训练的计算机程序可以包括：使用该数据集的第一子集来训练该计算机程序，以及使用该数据集的第二子集来评估更新后的计算机程序的性能，其中，第一子集和第二子集的数据子集至少部分重叠。

11、更新经训练的计算机程序可以包括迭代过程，其中，各次迭代包括：针对上述数据集的至少一部分和针对通用数据集的至少一部分，评估更新后的计算机程序的性能。

12、上述部件可以用于通过跟踪性能损失来针对通用数据集的至少一部分，评估更新后的计算机程序的性能。

13、跟踪性能损失可以包括使用更新后的计算机程序的推断。

14、上述部件可以用于获得平衡参数，其中，该平衡参数指示针对通用数据集的至少一部分的对更新后的计算机程序的性能的影响水平。

15、平衡参数可以指示针对数据集的至少一部分的更新后的计算机程序的性能水平，该性能水平被用于评估更新后的计算机程序的性能。

16、一个或多个音频信号的处理可以包括以下中的至少一项：声学回声消除；噪声抑制；残余回声抑制；语音增强；语音去混响；风噪声减少；以及声源分离。

17、计算机程序可以包括机器学习模型。

18、机器学习模型可以包括神经网络电路。

19、根据本公开的各种但并非所有示例，可以提供一种方法，其包括：

20、使得能够访问经训练的计算机程序，其中，经训练的计算机程序被配置用于处理一个或多个音频信号以增强在一个或多个音频信号内的声音的可听度，并且其中，使用通用数据集来训练经训练的计算机程序；

21、获得数据集，其中，该数据集包括具有用于该计算机程序的输入和输出的数据样本；以及

22、使用该数据集来更新用于处理一个或多个音频信号以增强在一个或多个音频信号内的声音的可听度的经训练的计算机程序，其中，更新经训练的计算机程序包括：使用该数据集的至少一部分来训练该计算机程序，以及针对该数据集的至少一部分和针对通用数据集的至少一部分，评估更新后的计算机程序的性能。

23、根据本公开的各种但并非所有示例，可以提供一种包括指令的计算机程序，该指令在由装置执行时使该装置至少执行：

24、使得能够访问经训练的计算机程序，其中，经训练的计算机程序被配置用于处理一个或多个音频信号以增强在一个或多个音频信号内的声音的可听度，并且其中，使用通用数据集来训练经训练的计算机程序；

25、获得数据集，其中，该数据集包括具有用于该计算机程序的输入和输出的数据样本；以及

26、使用该数据集来更新用于处理一个或多个音频信号以增强在一个或多个音频信号内的声音的可听度的经训练的计算机程序，其中，更新经训练的计算机程序包括：使用该数据集的至少一部分来训练该计算机程序，以及针对该数据集的至少一部分和针对通用数据集的至少一部分，评估更新后的计算机程序的性能。

27、虽然本公开的上述示例和可选特征是单独描述的，但应当理解，它们的以所有可能的组合和排列的提供都被包含在本公开内。应当理解，本公开的各种示例可以包括关于本公开的其他示例所描述的任何或全部特征，反之亦然。此外，应当理解，任何组合中的任何一个或多个或全部特征可以根据需要且适当地由装置、方法和/或计算机程序指令来实现/被包括在装置、方法和/或计算机程序指令中/可由装置、方法和/或计算机程序指令执行。

技术特征：

1.一种装置，包括：至少一个处理器；以及包括计算机程序代码的至少一个存储器，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述装置至少：

2.根据权利要求1所述的装置，其中，所述数据集包括以下中的至少一项：

3.根据权利要求1所述的装置，其中，获得所述数据集由以下中的一项或多项触发：终端用户的输入，终端用户设备的请求，终端用户应用的请求，与所述经训练的计算机程序相关的时间段的到期，所述通用数据集与所述数据集之间的相似度评估的输出。

4.根据权利要求1所述的装置，其中，所述数据集是使用以下中的一项或多项获得的：真实世界测量；以及模拟器。

5.根据权利要求1所述的装置，其中，使用所述数据集来更新所述经训练的计算机程序包括：使用所述数据集的第一子集来训练所述计算机程序，以及使用所述数据集的第二子集来评估所述更新后的计算机程序的性能，其中，所述第一子集和所述第二子集的数据不相交。

6.根据权利要求1所述的装置，其中，使用所述数据集来更新所述经训练的计算机程序包括：使用所述数据集的第一子集来训练所述计算机程序，以及使用所述数据集的第二子集来评估所述更新后的计算机程序的性能，其中，所述第一子集和所述第二子集的数据至少部分重叠。

7.根据权利要求1所述的装置，其中，更新所述经训练的计算机程序包括迭代过程，其中，各次迭代包括：针对所述数据集的所述至少一部分和针对所述通用数据集的所述至少一部分，评估所述更新后的计算机程序的性能。

8.根据权利要求1所述的装置，其中，所述装置被使得通过跟踪性能损失来针对所述通用数据集的所述至少一部分，评估所述更新后的计算机程序的性能。

9.根据权利要求8所述的装置，其中，跟踪所述性能损失包括使用所述更新后的计算机程序的推断。

10.根据权利要求1所述的装置，其中，所述装置被使得获得平衡参数，其中，所述平衡参数指示针对所述通用数据集的所述至少一部分的对所述更新后的计算机程序的性能的影响水平。

11.根据权利要求10所述的装置，其中，所述平衡参数指示针对所述数据集的所述至少一部分的所述更新后的计算机程序的性能水平，所述性能水平被用于评估所述更新后的计算机程序的性能。

12.根据权利要求1所述的装置，其中，所述一个或多个音频信号的处理包括以下中的至少一项：声学回声消除；噪声抑制；残余回声抑制；语音增强；语音去混响；风噪声减少；以及声源分离。

13.根据权利要求1所述的装置，其中，所述计算机程序包括机器学习模型。

14.根据权利要求13所述的装置，其中，所述机器学习模型包括神经网络电路。

15.一种方法，包括：

16.根据权利要求15所述的方法，进一步包括：通过跟踪性能损失来针对所述通用数据集的所述至少一部分，评估所述更新后的计算机程序的性能。

17.根据权利要求16所述的方法，其中，跟踪所述性能损失包括使用所述更新后的计算机程序的推断。

18.根据权利要求15所述的方法，进一步包括：获得平衡参数，其中，所述平衡参数指示针对所述通用数据集的所述至少一部分的对所述更新后的计算机程序的性能的影响水平。

19.根据权利要求18所述的方法，其中，所述平衡参数指示针对所述数据集的所述至少一部分的所述更新后的计算机程序的性能水平，所述性能水平被用于评估所述更新后的计算机程序的性能。

20.一种计算机程序，包括指令，所述指令在由装置执行时使所述装置至少执行：

技术总结本公开的示例涉及用于针对目标用例使用数据集的音频信号增强的装置、方法和计算机程序。在本公开的示例中，一种装置被配置为使得能够访问经训练的计算机程序。经训练的计算机程序被配置用于处理一个或多个音频信号以增强在一个或多个音频信号内的声音的可听度。经训练的计算机程序是使用通用数据集来训练的。该装置还被配置为获得数据集。该数据集包括具有用于该计算机程序的输入和输出的数据样本。该装置被配置为使用该数据集来更新经训练的计算机程序。技术研发人员：P·齐亚弗拉基斯受保护的技术使用者：诺基亚技术有限公司技术研发日：技术公布日：2024/4/17