[發明專利]一種音頻處理方法、裝置、電子設備及存儲介質

有效

• 申請號: 202011497991.0
• 申請日: 2020-12-17
• 公開（公告）號: CN112637632B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 李釗
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: H04N21/233
• 分類號: H04N21/233;H04N21/439;H04N21/472;G10L25/78
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 李娜

1.一種音頻處理方法，其特征在于，包括：

對待處理視頻的原音頻數據進行人聲檢測，得到人聲檢測結果；

獲取所述待處理視頻的配樂音頻數據；

根據所述人聲檢測結果對所述待處理視頻的原音頻數據和所述配樂音頻數據進行疊加處理，包括：保留所述原音頻數據中的人聲，并降低所述人聲出現時對應的所述配樂音頻數據的音量，以及將所述人聲未出現的音頻時間段對應的原音頻數據的音量設置為零，且將所述人聲未出現的音頻時間段對應的所述配樂音頻數據的音量設置為原音量。

2.根據權利要求1所述的音頻處理方法，其特征在于，所述根據所述人聲檢測結果對所述待處理視頻的原音頻數據和所述配樂音頻數據進行疊加處理，包括：

根據所述人聲檢測結果分別對所述原音頻數據和所述配樂音頻數據進行增益處理；

將所述增益處理后的所述原音頻數據和所述配樂音頻數據進行疊加。

3.根據權利要求2所述的音頻處理方法，其特征在于，所述人聲檢測結果包括：人聲出現的音頻時間段；所述根據所述人聲檢測結果分別對所述原音頻數據和所述配樂音頻數據進行增益處理，包括：

將所述人聲出現的音頻時間段對應的所述原音頻數據乘以第一增益系數，并將該音頻時間段對應的所述配樂音頻數據乘以第二增益系數；

將人聲未出現的音頻時間段對應的所述原音頻數據乘以第三增益系數，并將該音頻時間段對應的配樂音頻數據乘以第四增益系數。

4.根據權利要求3所述的音頻處理方法，其特征在于，所述第一增益系數為1，所述第二增益系數小于1；所述第三增益系數為0，所述第四增益系數為1。

5.根據權利要求3所述的音頻處理方法，其特征在于，所述方法還包括：

對所述人聲出現的音頻時間段和所述人聲未出現的音頻時間段的連接點，在所述連接點兩側預設時間段內，對所述連接點兩側的對應增益系數進行漸變處理。

6.根據權利要求3所述的音頻處理方法，其特征在于，所述人聲檢測結果還包括：人聲出現的概率，所述方法還包括:

判斷所述人聲出現的概率是否達到預設閾值；

如果所述人聲出現的概率達到預設閾值，則將所述人聲出現的概率達到預設閾值的音頻時間段作為人聲出現的音頻時間段。

7.根據權利要求6所述的音頻處理方法，其特征在于，所述人聲檢測結果還包括：噪聲出現的概率和音樂出現的概率的至少一種，所述方法還包括：

判斷所述人聲出現的概率是否大于所述噪聲出現的概率和音樂出現的概率的至少一種；

如果是，則執行所述判斷所述人聲出現的概率是否達到預設閾值的步驟。

8.根據權利要求1所述的音頻處理方法，其特征在于，所述對待處理視頻中的原音頻數據進行人聲檢測，得到人聲檢測結果，包括：

獲取待處理視頻的原音頻數據；

將所述待處理視頻的原音頻數據按照設定時間劃分為多個音頻數據段；

通過聲音檢測模型對所述多個音頻數據段中的每個音頻數據段進行人聲檢測，得到人聲檢測結果。

9.根據權利要求1所述的音頻處理方法，其特征在于，在對待處理視頻中的原音頻數據進行人聲檢測，得到人聲檢測結果后，所述方法還包括：

基于所述人聲出現的音頻時間段和所述待處理視頻的內容特征對所述待處理視頻進行裁剪，得到裁剪后的視頻段；

根據所述人聲檢測結果對裁剪后得到的所述視頻段中的原音頻數據和所述配樂音頻數據進行疊加處理。

10.根據權利要求9所述的音頻處理方法，其特征在于，所述基于所述人聲出現的音頻時間段和所述待處理視頻的內容特征對所述待處理視頻進行裁剪，得到裁剪后的視頻段，包括：

通過視頻深度分析模型對所述待處理視頻的內容特征進行內容畫面和內容場景分析，得到滿足預設內容條件的視頻圖像幀；

基于所述人聲出現的音頻時間段對應的視頻圖像幀，以及得到的滿足預設內容條件的視頻圖像幀對所述待處理視頻進行裁剪，得到裁剪后的視頻段。