[發明專利]音頻數據獲取方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010222077.9
• 申請日: 2020-03-26
• 公開（公告）號: CN111445901B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 陳翔宇;董培;張晨
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/20;G10L21/0208
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 寧立存

本公開關于一種音頻數據獲取方法、裝置、電子設備及存儲介質，屬于語音處理技術領域。本公開提供的方案，通過電子設備的音頻電路組件來獲取針對電子設備的互動過程所產生的第一音頻數據，通過麥克風組件以外錄的方式，來獲取針對該互動過程的第二音頻數據，以第一音頻數據作為參考信號，從第二音頻數據中消除第一音頻數據，以得到包含環境噪音的語音數據，再對環境噪音進行噪音消除處理，得到包含干凈人聲的語音數據，可以有效減少噪音，避免環境噪音對用戶觀看直播造成影響，優化直播音質，提高用戶體驗。

技術領域

本公開涉及語音處理技術領域，尤其涉及一種音頻數據獲取方法、裝置、電子設備及存儲介質。

背景技術

隨著科技的不斷發展和人民生活水平的不斷提高，直播行業開始蓬勃發展，其中，游戲直播作為一種頗受歡迎的直播類型，受到了越來越多的人的關注。在直播過程中，直播音質會直接影響到用戶的觀看體驗，音質較高的直播更容易吸引更多的用戶，因此，亟需一種音頻數據獲取方法，來提高直播時所使用的音頻數據的音質。

目前在獲取用于游戲直播的音頻數據時，主要是通過電子設備的麥克風組件，來采集外放的游戲音效和主播人聲，得到用于直播的音頻數據。

通過麥克風組件對游戲音效和主播人聲進行采集時，會有一定程度的失真，而且在進行游戲直播時，需要頻繁點擊屏幕來進行游戲，導致手指點擊屏幕的聲音也會被麥克風組件采集到，由此產生的噪聲也會極大地影響直播音質，導致直播音質差，進而導致作為直播觀眾的用戶體驗較差。

發明內容

本公開提供一種音頻數據獲取方法、裝置、電子設備及存儲介質，以至少解決相關技術中噪聲影響直播音質、導致用戶體驗較差的問題。本公開的技術方案如下：

根據本公開實施例的第一方面，提供一種音頻數據獲取方法，該方法包括：

獲取針對電子設備的互動過程的第一音頻數據和第二音頻數據，該第一音頻數據為在該互動過程中通過音頻電路組件所獲取的音頻數據，該第二音頻數據為在該互動過程中通過該電子設備的麥克風組件采集得到的音頻數據；

從該第二音頻數據中消除該第一音頻數據，得到第三音頻數據，該第三音頻數據為包含環境噪音的語音數據；

對該第三音頻數據中的環境噪音進行噪音消除處理，得到第四音頻數據；

基于該第一音頻數據和該第四音頻數據，生成用于直播的音頻數據。

在一種可能的實現方式中，該對該第三音頻數據中的環境噪音進行噪音消除處理，得到第四音頻數據包括：

獲取該第三音頻數據的第一頻譜特征；

將該第一頻譜特征輸入噪音消除模型，該噪音消除模型由包含環境噪音的語音數據和消除噪音后的語音數據訓練得到；

通過該噪音消除模型，從該第一頻譜特征中消除噪音頻譜特征，得到第二頻譜特征；

基于該第二頻譜特征，生成第四音頻數據。

在一種可能的實現方式中，該方法還包括：

獲取第一樣本音頻數據和第二樣本音頻數據，該第一樣本音頻數據為作為樣本的包含環境噪音的語音數據，該第二樣本音頻數據為作為樣本的消除環境噪音后的語音數據；

基于該第一樣本音頻數據和該第二樣本音頻數據，對初始模型進行訓練，得到該噪音消除模型。

在一種可能的實現方式中，該基于該第一樣本音頻數據和該第二樣本音頻數據，對初始模型進行訓練，得到該噪音消除模型包括：

獲取該第一樣本音頻數據的第一樣本頻譜特征以及該第二樣本音頻數據的第二樣本頻譜特征；

將該第一樣本頻譜特征和該第二樣本頻譜特征輸入至該初始模型；