[發(fā)明專利]音頻處理方法、裝置、存儲(chǔ)介質(zhì)以及終端

有效

• 申請(qǐng)?zhí)枺?/td>: 201710731067.6
• 申請(qǐng)日: 2017-08-23
• 公開（公告）號(hào): CN107705778B
• 公開（公告）日: 2020-09-15
• 發(fā)明（設(shè)計(jì)）人: 李勝存
• 申請(qǐng)（專利權(quán)）人: 騰訊音樂娛樂（深圳）有限公司
• 主分類號(hào): G10H1/36
• 分類號(hào): G10H1/36
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 郭晶

本發(fā)明公開了一種音頻處理方法、裝置、存儲(chǔ)介質(zhì)以及終端，屬于多媒體處理技術(shù)領(lǐng)域。方法包括：獲取目標(biāo)音頻資源的原唱音頻以及伴奏音頻；根據(jù)伴奏音頻，在原唱音頻中獲取人聲音頻；計(jì)算人聲音頻與伴奏音頻之間的第一聲伴響度比例；根據(jù)第一聲伴響度比例，計(jì)算伴奏音頻與用戶演繹的用戶音頻之間的第二聲伴響度比例；根據(jù)第二聲伴響度比例，對(duì)伴奏音頻和用戶音頻進(jìn)行混聲合成處理。本發(fā)明基于原唱作品中理想的聲伴響度比例，來自動(dòng)推算本次K歌過程中人聲與伴奏之間最佳的聲伴響度比例，進(jìn)而在后續(xù)過程中采用這一推算出來的聲伴響度比例來指導(dǎo)混聲合成，不但整個(gè)過程無需人工手動(dòng)調(diào)節(jié)，而且最終得到的合成作品也更加符合用戶預(yù)期。

技術(shù)領(lǐng)域

本發(fā)明涉及多媒體處理技術(shù)領(lǐng)域，特別涉及一種音頻處理方法、裝置、存儲(chǔ)介質(zhì)以及終端。

背景技術(shù)

長(zhǎng)久以來，K歌作為一項(xiàng)日常休閑娛樂活動(dòng)一直廣受用戶追捧。特別是隨著智能手機(jī)、平板電腦等智能終端的普及，使得用戶足不出戶進(jìn)行K歌成為了一種可能。比如，用戶在智能手機(jī)上安裝了K歌軟件后，無需走進(jìn)KTV便可實(shí)現(xiàn)歌曲演唱。其中，在K歌場(chǎng)景下，為了得到包括人聲和伴奏兩部分的K歌作品，往往還需要智能終端對(duì)K歌用戶演繹的用戶音頻以及在K歌過程中播放的伴奏音頻進(jìn)行混聲合成處理。

相關(guān)技術(shù)在進(jìn)行用戶音頻以及伴奏音頻的混聲合成處理時(shí)，通常采取下述兩種方式實(shí)現(xiàn)。第一種方式，對(duì)于所有的歌曲來說，均默認(rèn)采取1:1的聲(人聲)伴(伴奏)響度比例來進(jìn)行混聲合成處理。第二種方式，對(duì)于不同的歌曲，由用戶手動(dòng)調(diào)節(jié)適合的聲伴響度比例；之后，再根據(jù)調(diào)節(jié)出來的聲伴響度比例來進(jìn)行混聲合成處理。

在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)相關(guān)技術(shù)至少存在以下問題：

針對(duì)第一種方式，對(duì)于不同類型或風(fēng)格的歌曲、甚至是同一首歌曲的不同演繹版本來說，其理想的聲伴響度比例均是不同的，因此若統(tǒng)一采取1:1的聲伴響度比例進(jìn)行混聲合成處理，則合成后的音頻在很大程度上不會(huì)符合用戶預(yù)期，所以該種處理方式效果較差。針對(duì)第二種方式，由于需要人工進(jìn)行調(diào)節(jié)，因此較為耗時(shí)和復(fù)雜；此外，對(duì)于非專業(yè)的用戶來說，其調(diào)節(jié)出來的聲伴響度比例也并非準(zhǔn)確，因此該種處理方式同樣存在效果較差的缺陷。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)的問題，本發(fā)明實(shí)施例提供了一種音頻處理方法、裝置、存儲(chǔ)介質(zhì)以及終端。所述技術(shù)方案如下：

第一方面，提供了一種音頻處理方法，所述方法包括：

獲取目標(biāo)音頻資源的原唱音頻以及伴奏音頻；

根據(jù)所述伴奏音頻，在所述原唱音頻中獲取人聲音頻；

計(jì)算所述人聲音頻與所述伴奏音頻之間的第一聲伴響度比例；

根據(jù)所述第一聲伴響度比例，計(jì)算所述伴奏音頻與用戶演繹的用戶音頻之間的第二聲伴響度比例；

根據(jù)所述第二聲伴響度比例，對(duì)所述伴奏音頻和所述用戶音頻進(jìn)行混聲合成處理。

在另一個(gè)實(shí)施例中，所述根據(jù)所述伴奏音頻，在所述原唱音頻中獲取人聲音頻，包括：

對(duì)所述原唱音頻進(jìn)行預(yù)處理，并對(duì)經(jīng)過預(yù)處理后得到的原唱信號(hào)進(jìn)行加窗處理；

對(duì)所述伴奏音頻進(jìn)行預(yù)處理，并對(duì)經(jīng)過預(yù)處理后得到的伴奏信號(hào)進(jìn)行加窗處理，所述伴奏信號(hào)與所述原唱信號(hào)的采樣率一致；

按照窗移動(dòng)步長(zhǎng)，對(duì)經(jīng)過加窗處理后的原唱信號(hào)進(jìn)行離散傅里葉變換，得到第一頻譜變換結(jié)果；

按照所述窗移動(dòng)步長(zhǎng)，對(duì)經(jīng)過加窗處理后的伴奏信號(hào)進(jìn)行離散傅里葉變換，得到第二頻譜變換結(jié)果；

根據(jù)所述第一頻譜變換結(jié)果和所述第二頻譜變換結(jié)果，計(jì)算目標(biāo)譜減比例；

根據(jù)所述第一頻譜變換結(jié)果和所述目標(biāo)譜減比例，生成所述人聲音頻。