[發明專利]一種音頻數據的對齊方法、裝置、設備和存儲介質

有效

• 申請號: 202010920844.3
• 申請日: 2020-09-04
• 公開（公告）號: CN112017622B
• 公開（公告）日: 2023-02-21
• 發明（設計）人: 熊佳;周年斌
• 申請（專利權）人: 廣州趣丸網絡科技有限公司
• 主分類號: G10H1/36
• 分類號: G10H1/36
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 楊小紅

本申請公開了一種音頻數據的對齊方法、裝置、設備和存儲介質，其中方法包括：S1、獲取待對齊的原始錄音數據和原始伴奏數據；S2、通過相似性檢測公式，對原始錄音數據和原始伴奏數據進行相似性檢測，得到原始錄音數據的延時采樣點數；S3、將原始伴奏數據的頻率和原始錄音數據的頻率調整一致；S4、從原始錄音數據中刪除延時采樣點數，以實現原始錄音數據和原始伴奏數據的對齊，對齊效果較好，無需用戶手動調節，提升了用戶體驗，從而解決了現有的音頻對齊效果不理想且影響用戶體驗的技術問題。

技術領域

本申請涉及音頻處理技術領域，尤其涉及一種音頻數據的對齊方法、裝置、設備和存儲介質。

背景技術

隨著互聯網時代的發展，線上KTV變得流行。許多聲音類的APP都有K歌場景，該場景流程為：用戶選中一首歌的伴奏，播放伴奏，然后跟隨伴奏唱歌，結束后人聲與伴奏混音回放，保存歌曲進行發布分享。與線下的K歌場景不同，線上K歌場景對聲音的處理要復雜很多，若處理不當，人聲與伴奏的混音中會出現人聲與伴奏不同步。

用戶跟隨外放的伴奏唱歌，在用戶踩準節奏的情況下，由于手機系統在播放和錄音時要經過D/A或A/D轉換等處理，采集到的人聲相對伴奏有延時。如果直接進行混音，人耳會有不同程度的感知，如果延時在30ms以內，人耳不易察覺，如果延時變大，達到50ms甚至更大，人耳能很明顯地感覺到人聲和伴奏不同步，這樣會降低用戶的聲音體驗。

現有混音時的人聲和伴奏對齊，主要通過用戶手動調節對齊的方式，對齊效果并不理想，且由用戶調節的方式會影響用戶體驗。因此，提供一種有效對齊人聲和伴奏的方法是本領域技術人員亟待解決的技術問題。

發明內容

本申請提供了一種音頻數據的對齊方法、裝置、設備和存儲介質，解決了現有的音頻對齊效果不理想且影響用戶體驗的技術問題。

有鑒于此，本申請第一方面提供了一種音頻數據的對齊方法，包括：

S1、獲取待對齊的原始錄音數據和原始伴奏數據；

S2、通過相似性檢測公式，對所述原始錄音數據和所述原始伴奏數據進行相似性檢測，得到所述原始錄音數據的延時采樣點數，其中，所述相似性檢測公式為：

式中，Xcorrmax對應的位置即延時采樣點數，Xcorr(i)為第i個波形點位置對應的相似度值，n為用于做相似性檢測的波形點的音頻波形點數量，x_j為用于做相似性檢測的原始錄音數據的第j個波形點，y_j-i為用于做相似性檢測的原始伴奏數據的第j-i個波形點，x為原始錄音數據，y為原始伴奏數據，i和j分別為波形點位置；

S3、將所述原始伴奏數據的頻率和所述原始錄音數據的頻率調整一致；

S4、從所述原始錄音數據中刪除所述延時采樣點數，以實現所述原始錄音數據和所述原始伴奏數據的對齊。

可選地，步驟S3具體包括：

將所述原始伴奏數據的頻率調整至所述原始錄音數據的頻率。

可選地，步驟S2之前還包括：

將所述原始錄音數據和所述原始伴奏數據降頻至第一預置頻率，并根據降頻后的所述原始錄音數據和所述原始伴奏數據執行后續步驟；

步驟S2之后還包括：

將所述延時采樣點數升頻至所述原始伴奏數據的頻率，得到新延時采樣點數，并通過所述新延時采樣點數執行后續步驟。

可選地，將所述原始錄音數據和所述原始伴奏數據降頻至第一預置頻率，并根據降頻后的所述原始錄音數據和所述原始伴奏數據執行后續步驟之前還包括：