基于可控数据合成与自增强闭环优化的说话人分离方法

本发明属于语音信号处理技术领域，具体说是基于可控数据合成与自增强闭环优化的说话人分离方法，包括以下步骤：对原始音频进行初步分离与预处理，得到各说话人的初步语音片段并识别非语音区段；基于初步语音片段和非语音区段，构建包括说话人纯净语音库、内容脚本库和环境噪声库的多维素材库；利用多维素材库生成可控的多说话人合成语音数据，并通过语音拼接或文本转语音方法实现，同时设定说话人重叠时间、能量比例及背景混音信噪比参数；利用多说话人合成语音数据微调说话人分离模型，并通过闭环自举机制实现模型性能的迭代优化。本发明通过自动化数据合成替代了繁琐的手工标注，尤其在重叠语音识别等标注极其困难的任务中效果尤为明显。