[發明專利]音頻處理方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010372908.0
• 申請日: 2020-05-06
• 公開（公告）號: CN111580777A
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 邢文浩;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: G06F3/16
• 分類號: G06F3/16;G10L25/78;G10L25/30
• 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

1.一種音頻處理方法，其特征在于，包括：

接收發送端發送的音頻幀，將當前接收到的所述音頻幀緩存至網絡抖動器；

獲取第一時長、第二時長和第三時長，其中，所述第一時長用于指示當前的網絡抖動，所述第二時長用于指示預設處理的最大網絡抖動，所述第三時長與所述網絡抖動器的最大存儲容量相關；

根據所述網絡抖動器的當前容量、所述第一時長、所述第二時長和所述第三時長，加速處理所述網絡抖動器中緩存的音頻幀；

其中，所述當前容量用于指示所述網絡抖動器當前緩存的音頻幀的數據量。

2.根據權利要求1所述的音頻處理方法，其特征在于，所述獲取第一時長，包括：

根據接收到的各個音頻幀的到達時間間隔，確定所述到達時間間隔的概率分布；

根據所述到達時間間隔的概率分布確定所述第一時長。

3.根據權利要求1所述的音頻處理方法，其特征在于，所述根據所述網絡抖動器的當前容量、所述第一時長、所述第二時長和所述第三時長，加速處理所述網絡抖動器中緩存的音頻幀，包括：

若所述當前容量對應的時長大于所述第一時長，且小于所述第二時長，則采用第一處理模式，對所述網絡抖動器中緩存的音頻幀進行加速播放；

其中，所述第一處理模式為每間隔M1個音頻幀丟棄一個音頻幀，M1為正整數。

4.根據權利要求1所述的音頻處理方法，其特征在于，所述根據所述網絡抖動器的當前容量、所述第一時長、所述第二時長和所述第三時長，加速處理所述網絡抖動器中緩存的音頻幀，包括：

若所述當前容量對應的時長大于所述第二時長，且小于所述第三時長，則采用第二處理模式，對所述網絡抖動器中緩存的音頻幀進行加速播放；

其中，所述第二處理模式為每間隔M2個音頻幀丟棄一個音頻幀，M2為正整數且M2小于M1。

5.根據權利要求1所述的音頻處理方法，其特征在于，所述根據所述網絡抖動器的當前容量、所述第一時長、所述第二時長和所述第三時長，加速處理所述網絡抖動器中緩存的音頻幀，包括：

若所述當前容量對應的時長不小于所述第三時長，則采用第三處理模式，對所述網絡抖動器中緩存的音頻幀進行加速播放；

其中，所述第三處理模式為丟棄所述網絡抖動器中緩存的部分音頻幀，直至所述網絡抖動器剩余的音頻幀數據量縮減至所述最大存儲容量。

6.根據權利要求3至5中任一項所述的音頻處理方法，其特征在于，在接收發送端發送的音頻幀的同時，所述方法還包括：接收所述音頻幀的語音活性檢測VAD值和能量值；

其中，丟棄所述網絡抖動器中緩存的音頻幀的規則為：

優先丟棄所述網絡抖動器中VAD值為零的音頻幀；

若所述網絡抖動器中至少兩個音頻幀的VAD值相同，則優先丟棄能量值小的音頻幀。

7.一種音頻處理裝置，其特征在于，包括：

接收模塊，被配置為接收發送端發送的音頻幀，將當前接收到的所述音頻幀緩存至網絡抖動器；

獲取模塊，被配置為獲取第一時長、第二時長和第三時長，其中，所述第一時長用于指示當前的網絡抖動，所述第二時長用于指示預設處理的最大網絡抖動，所述第三時長與所述網絡抖動器的最大存儲容量相關；

處理模塊，被配置為根據所述網絡抖動器的當前容量、所述第一時長、所述第二時長和所述第三時長，加速處理所述網絡抖動器中緩存的音頻幀；

其中，所述當前容量用于指示所述網絡抖動器當前緩存的音頻幀的數據量。

8.根據權利要求7所述的音頻處理裝置，其特征在于，所述獲取模塊，還被配置為根據接收到的各個音頻幀的到達時間間隔，確定所述到達時間間隔的概率分布；根據所述到達時間間隔的概率分布確定所述第一時長。

9.一種電子設備，其特征在于，包括：

處理器；

用于存儲所述處理器可執行指令的存儲器；

其中，所述處理器被配置為執行所述指令，以實現如權利要求1至6中任一項所述的音頻處理方法。

10.一種存儲介質，其特征在于，當所述存儲介質中的指令由電子設備的處理器執行時，使得電子設備能夠執行如權利要求1至6中任一項所述的音頻處理方法。