上海龙垣科技有限公司

本发明公开了一种基于双特征拼接图注意力网络的匿名说话人语音溯源方法，涉及语音信号处理、自动说话人验证和图神经网络技术领域。包括获取匿名语音并进行预处理；深度说话人嵌入提取；非音色嵌入提取；图节点特征构建图注意力网络构建；图注意力编码；模型训练；匿名说话人溯源推理，本发明利用图注意力机制建模深度说话人嵌入和非音色嵌入，以充分利用身份残留线索与非音色线索的互补性，提高匿名语音条件下源说话人特征的判别能力和溯源准确率。

本发明公开了一种基于图傅里叶变换域生成扩散模型的语音增强方法，利用图信号处理理论，构建针对语音帧的邻接矩阵，通过奇异值分解获取图傅里叶变换基底；以此替换SGMSE+中的STFT，使用一维卷积模块提取带噪语音的GFT域特征；随后在GFT域中定义前向随机微分方程引入噪声，并利用深度神经网络进行分数匹配求解逆向SDE，逐步恢复干净语音的GFT特征；最后通过一维转置卷积模块进行逆图傅里叶变换，重构出增强后的时域语音。本发明打破了传统时频分析的局限，提升了模型对语音结构的表征能力，在不显著增加计算复杂度的情况下，进一步提高了生成式语音增强的质量和自然度。