[發明專利]調整播放速度的方法

有效

• 申請號: 201210038338.7
• 申請日: 2012-02-20
• 公開（公告）號: CN103258552A
• 公開（公告）日: 2013-08-21
• 發明（設計）人: 陳亙志;陳昭宇
• 申請（專利權）人: 揚智科技股份有限公司
• 主分類號: G11B20/12
• 分類號: G11B20/12;G11B19/20
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李鶴松

技術領域

本發明關于一種媒體處理方法及其裝置，尤指一種調整媒體播放速度的方法及其裝置。

背景技術

使用者利用多媒體播放平臺聆聽如MP3/WMA/AAC(MPEG-1?Audio?Layer?3/Windows?MediaAudio/Advanced?Audio?Coding)等音頻壓縮檔時，可能加速播放速度尋找所希望聆聽的片段，或者放慢播放速度仔細聆聽某片段的細節(expansion)。為了播放品質不因為播放速度改變而大幅失真，時長調整方法(Time?Scale?Modification，TSM)為業界廣泛地采用。傳統時域上時長調整方法，如重疊相加法(Overlap?Add，OLA)或同步重疊相加法(Synchronized?OLA)，主要是將輸入音頻信號分成許多片段信號，重疊在時間上鄰近的兩個片段信號，并將重疊的區域作淡出淡入的加權處理。然而，這樣的時長調整方法需要大量的寄存器寄存片段信號。

此外，現有時長調整方法也有利用短時傅立葉轉換(Short-Time?Discrete?Fourier?Transform，ST-DFT)將輸入音頻信號從時域轉到頻域上作分析，但是在分析后再轉回到時域時，會遇到相位失真的問題。

美國專利公開號20050010397揭示一利用短時傅立葉轉換的時長調整方法，其主要根據人類聽覺感知頻率響應的變動，選擇音頻數據的特定頻譜帶(Spectral?Band)，這些頻譜帶根據關于人類聽覺感知模型的Bark量度，使用于相位鎖定。每一個頻譜帶皆標示出一頻譜波峰(Spectral?Peak)。頻譜波峰及靠近或遠離頻譜波峰的頻譜線進行不同的相位處理，也因此于后續音頻數據必須轉回時域而進行信號窗重建(Reconstruction)時，容易造成相位失真，影響播放品質。

發明內容

因此，本發明主要提供一種不需要大量的寄存器的調整播放速度的方法及其裝置。

本發明揭露一種調整播放速度的方法，包括有：一聽覺感知解碼裝置接收一音頻數據；該聽覺感知解碼裝置進行該音頻數據的一第一音頻框的頻率分析；取得關于該頻率分析的一第一頻域分析數據；接收一速度調整信號；于該速度調整信號指示加快該音頻數據的播放速度時，根據該第一頻域分析數據，判斷是否舍棄該第一音頻框；于該速度調整信號指示放慢該音頻數據的播放速度時，根據該第一頻域分析數據，判斷是否復制該第一音頻框；于該第一音頻框被判斷為可以舍棄時，該聽覺感知解碼裝置舍棄該第一音頻框的至少一部分數據；以及于該第一音頻框被判斷為可以復制時，該聽覺感知解碼裝置復制該第一音頻框的至少一部分數據。

本發明另揭露一種調整播放速度的方法，包括有：一聽覺感知解碼裝置接收一音頻數據，該音頻數據包括多個音頻框；該聽覺感知解碼裝置進行該多個音頻框的頻率分析；接收一速度調整信號；于該速度調整信號指示加快該音頻數據的播放速度至(N/(N-M))倍時，對該多個音頻框中的N個連續音頻框的每一音頻框執行用來判斷所處理的音頻框是否可以舍棄的一調整判斷程序，其中N、M為正整數；于通過該調整判斷程序，判斷該N個連續音頻框中有M個音頻框可以舍棄時，該聽覺感知解碼裝置舍棄該M個音頻框的至少一部分數據；于該速度調整信號指示放慢該音頻數據的播放速度至(N/(N+M))倍時，對該多個音頻框中的N個連續音頻框的每一音頻框執行用來判斷所處理的音頻框是否可以復制的一調整判斷程序；以及于通過該調整判斷程序，判斷該N個連續音頻框中有M個音頻框可以復制時，該聽覺感知解碼裝置復制該M個音頻框的至少一部分數據。其中，該調整判斷程序包括：取得對應于所處理的一第一音頻框、關于該頻率分析的一第一頻域分析數據；于該速度調整信號指示加快該音頻數據的播放速度時，根據該第一頻域分析數據，判斷是否舍棄該第一音頻框的至少一部分數據；以及于該速度調整信號指示放慢該音頻數據的播放速度時，根據該第一頻域分析數據，判斷是否復制該第一音頻框的至少一部分數據。

本發明另揭露一種加速播放速度的方法，包括有一聽覺感知解碼裝置接收一音頻數據；該聽覺感知解碼裝置進行該音頻數據的一第一音頻框的頻率分析；取得關于該頻率分析的一第一頻域分析數據；接收一加速調整信號；根據該第一頻域分析數據，判斷是否舍棄該第一音頻框；以及于該第一音頻框被判斷為可以舍棄時，該聽覺感知解碼裝置根據該加速調整信號所指示的一播放速度，舍棄該第一音頻框的至少一部分數據。