[發(fā)明專(zhuān)利]網(wǎng)絡(luò)通話方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201911259913.4
• 申請(qǐng)日: 2019-12-10
• 公開(kāi)（公告）號(hào): CN110992963B
• 公開(kāi)（公告）日: 2023-09-29
• 發(fā)明（設(shè)計(jì)）人: 梁俊斌
• 申請(qǐng)（專(zhuān)利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類(lèi)號(hào): G10L19/002
• 分類(lèi)號(hào): G10L19/002;G10L19/24;H04L65/1069;H04L65/60
• 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: 邢惠童

1.一種網(wǎng)絡(luò)通話方法，其特征在于，所述方法包括：

從采集到的音頻信號(hào)中提取人聲信號(hào)，基于目標(biāo)幀長(zhǎng)和目標(biāo)幀移將所述人聲信號(hào)劃分為多個(gè)音頻幀，其中，在時(shí)間上相鄰兩個(gè)音頻幀有重合部分；

將每個(gè)音頻幀和所述每個(gè)音頻幀對(duì)應(yīng)的窗函數(shù)相乘，得到多個(gè)加窗后的音頻幀，任一音頻幀對(duì)應(yīng)的窗函數(shù)基于任一音頻幀的音頻信號(hào)特征確定；

對(duì)所述多個(gè)加窗后的音頻幀進(jìn)行傅里葉變換，得到所述音頻信號(hào)的多個(gè)頻域信息；

將所述多個(gè)頻域信息輸入到碼率預(yù)測(cè)模型中，由所述碼率預(yù)測(cè)模型輸出使網(wǎng)絡(luò)通話的語(yǔ)音質(zhì)量符合目標(biāo)語(yǔ)音質(zhì)量條件的多個(gè)第一碼率；從所述多個(gè)第一碼率中獲取碼率相同的第一碼率的數(shù)量，將數(shù)量最多的第一碼率確定為與所述音頻信號(hào)對(duì)應(yīng)的目標(biāo)碼率；

基于所述目標(biāo)碼率對(duì)所述音頻信號(hào)進(jìn)行編碼，將編碼后的音頻信號(hào)發(fā)送至服務(wù)器，由所述服務(wù)器將所述編碼后的音頻信號(hào)發(fā)送至音頻信號(hào)接收方，以實(shí)現(xiàn)網(wǎng)絡(luò)通話。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從所述多個(gè)第一碼率中獲取碼率相同的第一碼率的數(shù)量，將數(shù)量最多的第一碼率確定為與所述音頻信號(hào)對(duì)應(yīng)的目標(biāo)碼率包括:

在所述多個(gè)第一碼率中，將碼率相同的第一碼率劃分成一個(gè)碼率小組；

獲取每個(gè)碼率小組中包含所述第一碼率的數(shù)量，將包含所述第一碼率的數(shù)量最多的碼率小組，確定為所述目標(biāo)碼率小組；

將所述目標(biāo)碼率小組中包含的所述第一碼率確定為所述目標(biāo)碼率。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述多個(gè)頻域信息輸入到碼率預(yù)測(cè)模型中之前，所述方法還包括:

基于樣本數(shù)據(jù)集進(jìn)行模型訓(xùn)練，得到所述碼率預(yù)測(cè)模型，其中，所述樣本數(shù)據(jù)集包括多個(gè)樣本音頻信號(hào)以及所述多個(gè)樣本音頻信號(hào)對(duì)應(yīng)的樣本碼率，其中，所述多個(gè)樣本音頻信號(hào)均符合相同的語(yǔ)音質(zhì)量條件。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于樣本數(shù)據(jù)集進(jìn)行模型訓(xùn)練，得到所述碼率預(yù)測(cè)模型之前，所述方法還包括：

基于所述多個(gè)樣本音頻信號(hào)對(duì)應(yīng)的樣本碼率，對(duì)所述多個(gè)樣本音頻信號(hào)進(jìn)行編碼后再解碼，得到多個(gè)樣本解碼音頻信號(hào)；

基于所述多個(gè)樣本音頻信號(hào)與所述多個(gè)樣本解碼音頻信號(hào)，確定所述多個(gè)樣本音頻信號(hào)的語(yǔ)音質(zhì)量。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于樣本數(shù)據(jù)集進(jìn)行模型訓(xùn)練，得到所述碼率預(yù)測(cè)模型包括：

對(duì)所述多個(gè)樣本音頻信號(hào)進(jìn)行時(shí)頻變換，得到多個(gè)樣本頻域信息；

將所述多個(gè)樣本頻域信息輸入到初始模型中；

由所述初始模型基于所述多個(gè)樣本頻域信息進(jìn)行碼率預(yù)測(cè)，輸出多個(gè)與所述多個(gè)樣本頻域信息對(duì)應(yīng)的預(yù)測(cè)碼率；

基于所述樣本碼率和所述預(yù)測(cè)碼率的差別信息，調(diào)整所述初始模型的模型參數(shù)，直至所述初始模型的模型參數(shù)符合目標(biāo)截止條件時(shí)，停止訓(xùn)練所述初始模型，將訓(xùn)練后的初始模型作為所述碼率預(yù)測(cè)模型。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述多個(gè)加窗后的音頻幀進(jìn)行傅里葉變換，得到所述音頻信號(hào)的多個(gè)頻域信息，包括：

對(duì)所述多個(gè)加窗后的音頻幀進(jìn)行傅里葉變換，得到每個(gè)音頻幀的線性頻域參數(shù)；

基于所述每個(gè)音頻幀的線性頻域參數(shù)，得到所述每個(gè)音頻幀的線性頻域功率譜值；

基于所述每個(gè)音頻幀的線性頻域功率譜值，得到多個(gè)巴克域功率譜值；

對(duì)所述多個(gè)巴克域功率譜值進(jìn)行對(duì)數(shù)運(yùn)算，得到所述多個(gè)頻域信息。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從采集到的音頻信號(hào)中提取人聲信號(hào)包括：

識(shí)別所述音頻信號(hào)中人聲的起始時(shí)間點(diǎn)和結(jié)束時(shí)間點(diǎn)，將所述起始時(shí)間點(diǎn)和所述結(jié)束時(shí)間點(diǎn)之間的音頻信號(hào)作為所述人聲信號(hào)。