[發(fā)明專利]音頻處理方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010758220.6
• 申請(qǐng)日: 2020-07-31
• 公開（公告）號(hào): CN111916093A
• 公開（公告）日: 2020-11-10
• 發(fā)明（設(shè)計(jì)）人: 莊曉濱
• 申請(qǐng)（專利權(quán)）人: 騰訊音樂娛樂科技（深圳）有限公司
• 主分類號(hào): G10L21/003
• 分類號(hào): G10L21/003;G10L21/007;G10L25/18;G10L25/24
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 熊永強(qiáng);杜維

1.一種音頻處理方法，其特征在于，所述方法包括：

獲取原始音頻信號(hào)，并從所述原始音頻信號(hào)中獲取基頻序列、頻譜包絡(luò)序列，以及非周期參數(shù)序列；

獲取基頻調(diào)整參數(shù)，根據(jù)所述基頻調(diào)整參數(shù)對(duì)所述基頻序列進(jìn)行調(diào)整以生成目標(biāo)基頻序列；

根據(jù)所述目標(biāo)基頻序列、所述頻譜包絡(luò)序列以及所述非周期參數(shù)序列確定線性頻譜；

將所述線性頻譜轉(zhuǎn)換為非線性頻譜，并根據(jù)所述非線性頻譜生成目標(biāo)音頻信號(hào)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述目標(biāo)基頻序列、所述頻譜包絡(luò)序列以及所述非周期參數(shù)序列確定線性頻譜，包括：

基于所述目標(biāo)基頻序列、所述頻譜包絡(luò)序列以及所述非周期參數(shù)序列生成粗合成音頻信號(hào)；

對(duì)所述粗合成音頻信號(hào)進(jìn)行分幀加窗處理，以得到組成所述粗合成音頻信號(hào)的至少一個(gè)第一分幀信號(hào)；

對(duì)所述至少一個(gè)第一分幀信號(hào)中每個(gè)第一分幀信號(hào)進(jìn)行短時(shí)傅里葉變換以得到每個(gè)第一分幀信號(hào)對(duì)應(yīng)的子線性頻譜；

將各子線性頻譜進(jìn)行拼接，以得到所述粗合成音頻信號(hào)對(duì)應(yīng)的線性頻譜。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述從所述原始音頻信號(hào)中獲取基頻序列，包括：

對(duì)所述原始音頻信號(hào)進(jìn)行分幀加窗處理，以得到組成所述原始音頻信號(hào)的至少一個(gè)第二分幀信號(hào)；

針對(duì)第二分幀信號(hào)，采用多個(gè)截止頻率的低通濾波器分別對(duì)所述第二分幀信號(hào)進(jìn)行濾波，以得到所述第二分幀信號(hào)分別經(jīng)所述多個(gè)截止頻率的低通濾波器后得到的多個(gè)濾波信號(hào)；

根據(jù)每個(gè)濾波信號(hào)的周期信息確定每個(gè)濾波信號(hào)的截止頻率的置信度；

從多個(gè)置信度中確定出最大置信度對(duì)應(yīng)的截止頻率作為所述第二分幀信號(hào)對(duì)應(yīng)的基頻；

將各第二分幀信號(hào)對(duì)應(yīng)的基頻進(jìn)行拼接以得到基頻序列。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述從所述原始音頻信號(hào)中獲取頻譜包絡(luò)序列，包括：

對(duì)所述至少一個(gè)第二分幀信號(hào)中每個(gè)第二分幀信號(hào)進(jìn)行短時(shí)傅里葉變換以得到每個(gè)第二分幀信號(hào)對(duì)應(yīng)的子線性頻譜；

對(duì)每個(gè)第二分幀信號(hào)對(duì)應(yīng)的子線性頻譜求絕對(duì)值以得到每個(gè)第二分幀信號(hào)的功率譜；

對(duì)每個(gè)第二分幀信號(hào)對(duì)應(yīng)的功率譜求對(duì)數(shù)并作相位展開，再進(jìn)行逆傅里葉變換以得到每個(gè)第二分幀信號(hào)對(duì)應(yīng)的功率譜的倒譜；

基于低通濾波器對(duì)每個(gè)第二分幀信號(hào)對(duì)應(yīng)的功率譜的倒譜進(jìn)行濾波，以得到每個(gè)第二分幀信號(hào)對(duì)應(yīng)的頻譜包絡(luò)；

將各第二分幀信號(hào)對(duì)應(yīng)的頻譜包絡(luò)進(jìn)行拼接以得到所述原始音頻信號(hào)對(duì)應(yīng)的頻譜包絡(luò)序列。

5.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述從所述原始音頻信號(hào)中獲取非周期參數(shù)序列，包括：

獲取每個(gè)第二分幀信號(hào)對(duì)應(yīng)的最小相位譜，根據(jù)每個(gè)第二分幀信號(hào)對(duì)應(yīng)的子線性頻譜和最小相位譜確定每個(gè)第二分幀信號(hào)對(duì)應(yīng)的非周期參數(shù)；

將各第二分幀信號(hào)對(duì)應(yīng)的非周期參數(shù)進(jìn)行拼接以得到所述原始音頻信號(hào)對(duì)應(yīng)的非周期參數(shù)序列。

6.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述非線性頻譜包括梅爾頻譜；所述將所述線性頻譜轉(zhuǎn)換為非線性頻譜，包括：

將所述線性頻譜包括的所述各子線性頻譜輸入梅爾濾波器組，以得到所述梅爾濾波器組輸出的所述各子線性頻譜對(duì)應(yīng)的各梅爾頻譜，其中，一個(gè)子線性頻譜對(duì)應(yīng)一個(gè)梅爾頻譜；

將所述各梅爾譜進(jìn)行拼接，以得到所述粗合成音頻信號(hào)對(duì)應(yīng)的完整的梅爾譜。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述非線性頻譜生成目標(biāo)音頻信號(hào)，包括：

將所述非線性頻譜輸入預(yù)訓(xùn)練的音頻合成模型，獲取所述音頻合成模型輸出的目標(biāo)音頻信號(hào)，其中，所述音頻合成模型根據(jù)不同用戶的音頻信號(hào)以及各音頻信號(hào)對(duì)應(yīng)的非線性頻譜訓(xùn)練得到。