[發(fā)明專利]一種音頻處理方法及裝置

有效

• 申請?zhí)枺?/td>: 201310481839.7
• 申請日: 2013-10-15
• 公開（公告）號: CN104091591A
• 公開（公告）日: 2014-10-08
• 發(fā)明（設(shè)計）人: 趙偉峰
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L25/18;G10L25/21
• 代理公司: 廣州三環(huán)專利代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

1.一種音頻處理方法，其特征在于，包括：

從待處理的音頻文件中選取區(qū)間音頻數(shù)據(jù)；

構(gòu)建所述區(qū)間音頻數(shù)據(jù)的特征參數(shù)序列，所述特征參數(shù)序列包括能量序列和頻譜滾降序列；

根據(jù)所述區(qū)間音頻數(shù)據(jù)的特征參數(shù)序列，定位所述音頻文件的副歌。

2.如權(quán)利要求1所述的方法，其特征在于，所述從待處理的音頻文件中選取區(qū)間音頻數(shù)據(jù)，包括：

獲取所述待處理的音頻文件的時長；

按照預(yù)設(shè)的時間比范圍，計算所選取的時長區(qū)間；

根據(jù)所述時長區(qū)間，從所述音頻文件中選取區(qū)間音頻數(shù)據(jù)。

3.如權(quán)利要求2所述的方法，其特征在于，所述構(gòu)建所述區(qū)間音頻數(shù)據(jù)的特征參數(shù)序列，包括：

對所述區(qū)間音頻數(shù)據(jù)進行分幀處理，獲得至少一幀音頻幀信號；

計算所述至少一幀音頻幀信號中的各幀音頻幀信號的能量；

按照所述至少一幀音頻幀信號中的各幀音頻幀信號的順序，對所述各幀音頻幀信號的能量進行排列，構(gòu)建所述區(qū)間音頻數(shù)據(jù)的能量序列。

4.如權(quán)利要求3所述的方法，其特征在于，所述構(gòu)建所述區(qū)間音頻數(shù)據(jù)的特征參數(shù)序列，還包括：

對所述至少一幀音頻幀信號中的各幀音頻幀信號的頻譜系數(shù)進行歸一化處理，獲得所述各幀音頻幀信號的歸一化頻譜系數(shù)；

按照所述至少一幀音頻幀信號中的各幀音頻幀信號的順序，計算連續(xù)兩幀音頻幀信號的歸一化頻譜系數(shù)的差的平方和；

對所述連續(xù)兩幀音頻幀信號的歸一化頻譜系數(shù)的差的平方和進行求和計算，獲得所述區(qū)間音頻數(shù)據(jù)的頻譜滾降序列。

5.如權(quán)利要求2-4任一項所述的方法，其特征在于，所述根據(jù)所述區(qū)間音頻數(shù)據(jù)的特征參數(shù)序列，定位所述音頻文件的副歌，包括：

分別對所述區(qū)間音頻數(shù)據(jù)的能量序列和頻譜滾降序列進行歸一化處理；

根據(jù)所述歸一化后的能量序列、所述歸一化后的頻譜滾降序列以及預(yù)設(shè)的副歌時長，計算副歌在所述區(qū)間音頻數(shù)據(jù)中的位置；

根據(jù)所述副歌在所述區(qū)間音頻數(shù)據(jù)中的位置，在所述音頻文件中定位所述副歌。

6.一種音頻處理裝置，其特征在于，包括：

選取模塊，用于從待處理的音頻文件中選取區(qū)間音頻數(shù)據(jù)；

構(gòu)建模塊，用于構(gòu)建所述區(qū)間音頻數(shù)據(jù)的特征參數(shù)序列，所述特征參數(shù)序列包括能量序列和頻譜滾降序列；

定位模塊，用于根據(jù)所述區(qū)間音頻數(shù)據(jù)的特征參數(shù)序列，定位所述音頻文件的副歌。

7.如權(quán)利要求6所述的裝置，其特征在于，所述選取模塊包括：

時長獲取單元，用于獲取所述待處理的音頻文件的時長；

區(qū)間計算單元，用于按照預(yù)設(shè)的時間比范圍，計算所選取的時長區(qū)間；

選取單元，用于根據(jù)所述時長區(qū)間，從所述音頻文件中選取區(qū)間音頻數(shù)據(jù)。

8.如權(quán)利要求7所述的裝置，其特征在于，所述構(gòu)建模塊包括：

分幀處理單元，用于對所述區(qū)間音頻數(shù)據(jù)進行分幀處理，獲得至少一幀音頻幀信號；

能量計算單元，用于計算所述至少一幀音頻幀信號中的各幀音頻幀信號的能量；

能量序列構(gòu)建單元，用于按照所述至少一幀音頻幀信號中的各幀音頻幀信號的順序，對所述各幀音頻幀信號的能量進行排列，構(gòu)建所述區(qū)間音頻數(shù)據(jù)的能量序列。

9.如權(quán)利要求8所述的裝置，其特征在于，所述構(gòu)建模塊還包括：

系數(shù)歸一處理單元，用于對所述至少一幀音頻幀信號中的各幀音頻幀信號的頻譜系數(shù)進行歸一化處理，獲得所述各幀音頻幀信號的歸一化頻譜系數(shù)；

頻譜系數(shù)計算單元，用于按照所述至少一幀音頻幀信號中的各幀音頻幀信號的順序，計算連續(xù)兩幀音頻幀信號的歸一化頻譜系數(shù)的差的平方和；

頻譜滾降序列構(gòu)建單元，用于對所述連續(xù)兩幀音頻幀信號的歸一化頻譜系數(shù)的差的平方和進行求和計算，獲得所述區(qū)間音頻數(shù)據(jù)的頻譜滾降序列。

10.如權(quán)利要求7-9任一項所述的裝置，其特征在于，所述定位模塊包括：

歸一化處理單元，用于分別對所述區(qū)間音頻數(shù)據(jù)的能量序列和頻譜滾降序列進行歸一化處理；

位置計算單元，用于根據(jù)所述歸一化后的能量序列、所述歸一化后的頻譜滾降序列以及預(yù)設(shè)的副歌時長，計算副歌在所述區(qū)間音頻數(shù)據(jù)中的位置；

定位單元，用于根據(jù)所述副歌在所述區(qū)間音頻數(shù)據(jù)中的位置，在所述音頻文件中定位所述副歌。