[發(fā)明專利]音頻處理方法、裝置、電子設(shè)備以及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011486633.X
• 申請(qǐng)日: 2020-12-16
• 公開（公告）號(hào): CN112509609B
• 公開（公告）日: 2022-06-10
• 發(fā)明（設(shè)計(jì)）人: 董超宏;劉衍晴
• 申請(qǐng)（專利權(quán)）人: 北京樂學(xué)幫網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號(hào): G11B20/10
• 分類號(hào): G11B20/10
• 代理公司: 北京中知恒瑞知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11889
• 代理人: 謝玲

1.一種音頻處理方法，其特征在于，包括：

獲取用戶針對(duì)預(yù)設(shè)文本的原始朗讀音頻；

基于所述預(yù)設(shè)文本的發(fā)音信息，在所述原始朗讀音頻中確定出目標(biāo)音頻段的起始位置和終止位置；

根據(jù)所述目標(biāo)音頻段的起始位置和終止位置，從所述原始朗讀音頻中獲取所述目標(biāo)音頻段；

將所述目標(biāo)音頻段合成到目標(biāo)待合成文件的對(duì)應(yīng)位置處；其中，所述目標(biāo)待合成文件為音視頻文件；

其中，所述基于所述預(yù)設(shè)文本的發(fā)音信息，在所述原始朗讀音頻中確定出目標(biāo)音頻段的起始位置和終止位置，包括：

在所述預(yù)設(shè)文本的發(fā)音信息表征為聲韻母序列的情況下，在所述原始朗讀音頻的音素序列中，確定出與所述預(yù)設(shè)文本的首字的聲韻母序列匹配的第一子音素序列、以及與所述預(yù)設(shè)文本的尾字的聲韻母序列匹配的第二子音素序列；

根據(jù)所述第一子音素序列和所述第二子音素序列在所述音素序列中的位置，在所述原始朗讀音頻中分別確定出所述預(yù)設(shè)文本的有效朗讀音頻段的起始位置和結(jié)束位置；

根據(jù)所述預(yù)設(shè)文本的有效朗讀音頻段的起始位置和終止位置，在所述原始朗讀音頻中確定出所述目標(biāo)音頻段的起始位置和終止位置。

2.根據(jù)權(quán)利要求1所述的音頻處理方法，其特征在于，所述基于所述預(yù)設(shè)文本的發(fā)音信息，在所述原始朗讀音頻中確定出目標(biāo)音頻段的起始位置和終止位置，包括：

將所述原始朗讀音頻和所述預(yù)設(shè)文本發(fā)送至服務(wù)器；

接收所述服務(wù)器發(fā)送的基于所述預(yù)設(shè)文本的發(fā)音信息在所述原始朗讀音頻中確定出的所述目標(biāo)音頻段的起始位置和終止位置。

3.根據(jù)權(quán)利要求1所述的音頻處理方法，其特征在于，所述根據(jù)所述第一子音素序列和所述第二子音素序列在所述音素序列中的位置，在所述原始朗讀音頻中分別確定出所述預(yù)設(shè)文本的有效朗讀音頻段的起始位置和結(jié)束位置，包括：

在所述音素序列中，確定出與所述首字的后一個(gè)文字的聲韻母序列相匹配的第三子音素序列、確定出與所述尾字的前一個(gè)文字的聲韻母序列相匹配的第四子音素序列；

在確定所述第一子音素序列與所述第三子音素序列相鄰、且所述第二子音素序列與所述第四子音素序列相鄰時(shí)，根據(jù)所述第一子音素序列在所述音素序列中的位置確定出所述有效朗讀音頻段的起始位置，根據(jù)所述第二子音素序列在所述音素序列中的位置確定出所述有效朗讀音頻段的終止位置。

4.根據(jù)權(quán)利要求1所述的音頻處理方法，其特征在于，所述根據(jù)所述預(yù)設(shè)文本的有效朗讀音頻段的起始位置和終止位置，在所述原始朗讀音頻中確定出所述目標(biāo)音頻段的起始位置和終止位置，包括：

將所述預(yù)設(shè)文本的有效朗讀音頻段的起始位置設(shè)置為所述目標(biāo)音頻段的起始位置，或者，將位于所述預(yù)設(shè)文本的有效朗讀音頻段的起始位置之前、且與所述有效朗讀音頻段的起始位置相距第一步長(zhǎng)的第一位置，作為所述目標(biāo)音頻段的起始位置；

將所述預(yù)設(shè)文本的有效朗讀音頻段的終止位置設(shè)置為所述目標(biāo)音頻段的終止位置，或者，將位于所述預(yù)設(shè)文本的有效朗讀音頻段的終止位置之后、且與所述有效朗讀音頻段的終止位置相距第二步長(zhǎng)的第二位置，作為所述目標(biāo)音頻段的終止位置。