[發明專利]快速自適應預測擬合語音方法、系統、終端及存儲介質

在審

• 申請號: 202011620040.8
• 申請日: 2020-12-30
• 公開（公告）號: CN112802453A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 李建飛
• 申請（專利權）人: 深圳飛思通科技有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L13/02;G10L25/18;G10L21/0316
• 代理公司: 北京維正專利代理有限公司 11508
• 代理人: 任志龍

本發明涉及一種快速自適應預測擬合語音方法、系統、終端及存儲介質，屬于語音通信領域，應用于實時語音通信過程中由于通信鏈路異常導致的數據斷流，其包括：步驟S1、獲取斷流前音頻數據，當發生斷流事件時，從數據緩沖區中讀取斷流前的音頻數據；步驟S2、合成初始音頻數據，分析斷流之前的音頻數據，并提取語音信號的峰值、斷流時刻數據點值和主要頻譜作為初始音頻數據的特征值，基于所述特征值合成初始音頻數據；步驟S3、調節斷流后的音頻音量以使初始音頻數據播放時呈現音量漸弱的效果；步驟S4、獲取斷流恢復后的實際音頻數據，并調節斷流恢復后的實際音頻數據的音量，以使實際音頻數據播放時的音量逐漸恢復到斷流前水平。本發明用于解決實時語音通信異常時播放端聲音出現卡頓、爆響等異常響動使得用戶體驗糟糕的問題。

技術領域

本發明涉及語音通信的技術領域，尤其是涉及一種快速自適應預測擬合語音方法、系統、終端及存儲介質。

背景技術

隨著21世紀移動通信技術的快速發展，通過移動終端進行實時語音通信的應用場景也越來越多，但是，在實時數字語音通信過程中，由于通信鏈路異常，如：數據擁塞、同頻干擾、連接中斷等，數據包會出現延時抵達、丟失等問題，從而導致數據斷流。

在實時語音通信過程中，由于音頻數據是實時播放，所以不可以大量緩存數據以及延時等待，而如果導致播放端聲音出現卡頓、爆響等，用戶體驗就會十分糟糕。

發明內容

本發明目的一是提供一種快速自適應預測擬合語音方法，解決了實時語音通信異常時，播放端聲音出現卡頓、爆響等使得用戶體驗糟糕的問題。

本發明的上述發明目的一是通過以下技術方案得以實現的：

一種快速自適應預測擬合語音方法，其特征在于，包括以下步驟：

步驟S1、獲取斷流前音頻數據，當讀取下一幀數據而不可得時，即判定斷流事件發生，此時從音頻數據緩沖區中獲取斷流前的音頻數據作為分析樣本；

步驟S2、合成初始音頻數據，從分析樣本中獲取峰值信息和斷流時刻信息，基于預設的頻率獲取策略獲取頻率信息，進而根據峰值信息和頻率信息合成初始音頻數據，并基于斷流時刻信息確定初始音頻數據中的插入時間；

步驟S3、調節初始音頻數據的音量，使初始音頻數據音量漸弱；

步驟S4、獲取恢復后音頻數據，并調節恢復后音頻數據的音量，當讀取下一幀數據可得時，即判定恢復事件發生，使恢復后音頻數據的音量逐漸恢復到斷流前水平。

通過采用上述技術方案，基于特征值合成的初始音頻數據與斷流前的音頻數據存在相同特征，從而使斷流事件的發生不會導致音頻播放的卡頓和爆響等問題，而通過控制斷流后的音頻音量，使得斷流事件發生后音頻音量呈現逐漸漸弱的效果，而在斷流恢復后通過控制正常音頻的音量，使得音頻音量逐漸恢復至斷流前水平，從而使用戶擁有好的體驗。

本發明進一步設置為：所述步驟S2、合成初始音頻數據，具體包括以下步驟：

步驟S201、獲取初始音頻數據的特征值，從所述分析樣本中獲取最大值、最小值和斷流時刻的值，并基于預設的頻率獲取策略獲取初始頻率信息；

步驟S202、初始化波形特征，根據所述初始音頻數據的特征值建立一個合成聲波表格，為使合成聲波與斷流前的聲波接續，合成聲波中第一個數值的相位和幅度需要與分析樣本中最后一個數據的相位和幅度相同，基于所述斷流時刻的值即可在所述合成聲波表格中找到斷流后初始音頻數據的插入時間。

通過采用上述技術方案，從分析樣本中提取特征值，最終根據特征值建立合成聲波表格，且找到合成聲波表格中的斷流后初始音頻數據的插入時間，這樣能夠確保合成的音頻信號能夠貼近斷流前的音頻數據，使得斷流事件的發生不會導致音頻爆音問題。

本發明進一步設置為：所述步驟S201中，預設的頻率獲取策略包括：采用離散傅里葉變換法對所述分析樣本進行頻譜分析，然后選取頻譜分析結果中的主要頻譜作為初始音頻數據的基準頻率。