[發(fā)明專(zhuān)利]音頻處理方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110872240.0
• 申請(qǐng)日: 2021-07-30
• 公開(kāi)（公告）號(hào): CN113823287A
• 公開(kāi)（公告）日: 2021-12-21
• 發(fā)明（設(shè)計(jì)）人: 馬應(yīng)龍;索郎王修
• 申請(qǐng)（專(zhuān)利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類(lèi)號(hào): G10L15/26
• 分類(lèi)號(hào): G10L15/26;G10L15/04
• 代理公司: 廣州三環(huán)專(zhuān)利商標(biāo)代理有限公司 44202
• 代理人: 熊永強(qiáng);杜維

本申請(qǐng)?zhí)岢隽艘环N音頻處理方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，涉及計(jì)算機(jī)技術(shù)領(lǐng)域，該方法包括：獲取待處理音頻，所述待處理音頻包括一個(gè)或多個(gè)音頻幀；針對(duì)所述一個(gè)或多個(gè)音頻幀中的任一音頻幀，對(duì)所述任一音頻幀進(jìn)行切分處理得到多個(gè)音頻片段，確定所述多個(gè)音頻片段中每個(gè)音頻片段的音頻類(lèi)別，根據(jù)所述每個(gè)音頻片段的音頻類(lèi)別確定所述任一音頻幀的語(yǔ)音識(shí)別結(jié)果；根據(jù)各個(gè)音頻幀的語(yǔ)音識(shí)別結(jié)果，將所述待處理音頻中語(yǔ)音識(shí)別結(jié)果為目標(biāo)識(shí)別結(jié)果的音頻幀進(jìn)行剔除，得到處理后的音頻；對(duì)所述處理后的音頻進(jìn)行風(fēng)格轉(zhuǎn)換處理，得到目標(biāo)音頻。通過(guò)本申請(qǐng)實(shí)施例，可以提高音頻風(fēng)格轉(zhuǎn)換所涉及的語(yǔ)音的準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種音頻處理方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

音頻是多媒體中的一種重要媒體，音頻中的語(yǔ)音是人類(lèi)通過(guò)發(fā)音器官發(fā)出來(lái)的、具有一定意義的、目的是用來(lái)進(jìn)行社會(huì)交際的聲音，對(duì)音頻進(jìn)行風(fēng)格轉(zhuǎn)換，是指將音頻中的語(yǔ)音的語(yǔ)言類(lèi)型進(jìn)行轉(zhuǎn)換，例如音頻中的語(yǔ)音的語(yǔ)言類(lèi)型為衛(wèi)藏方言，可以將音頻中的語(yǔ)音的語(yǔ)言類(lèi)型轉(zhuǎn)換為康巴方言。

音頻中通常會(huì)出現(xiàn)一些非正常語(yǔ)音，例如哼唱、猶豫、笑聲、喊叫聲等噪音，導(dǎo)致音頻在進(jìn)行風(fēng)格轉(zhuǎn)換時(shí)出現(xiàn)準(zhǔn)確率較差的問(wèn)題，即在風(fēng)格轉(zhuǎn)換前后，音頻中的語(yǔ)音所對(duì)應(yīng)的文本信息發(fā)生變化，例如，原始音頻中的語(yǔ)音所對(duì)應(yīng)的文本本意是問(wèn)“你去哪兒”，進(jìn)行風(fēng)格轉(zhuǎn)換后的音頻中的語(yǔ)音所對(duì)應(yīng)的文本變成了問(wèn)“你去吃飯嗎”，此時(shí)，雖然風(fēng)格轉(zhuǎn)換雖然能夠解決語(yǔ)言不通的問(wèn)題，但是卻不能正確表達(dá)內(nèi)容，因此提高音頻風(fēng)格轉(zhuǎn)換所涉及的語(yǔ)音的準(zhǔn)確性是十分有必要的。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供了一種音頻處理方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，可以提高音頻風(fēng)格轉(zhuǎn)換所涉及的語(yǔ)音的準(zhǔn)確性。

一方面，本申請(qǐng)實(shí)施例提供了一種音頻處理方法，所述方法包括：

獲取待處理音頻，所述待處理音頻包括一個(gè)或多個(gè)音頻幀；

針對(duì)所述一個(gè)或多個(gè)音頻幀中的任一音頻幀，對(duì)所述任一音頻幀進(jìn)行切分處理得到多個(gè)音頻片段，確定所述多個(gè)音頻片段中每個(gè)音頻片段的音頻類(lèi)別，根據(jù)所述每個(gè)音頻片段的音頻類(lèi)別確定所述任一音頻幀的語(yǔ)音識(shí)別結(jié)果；

根據(jù)各個(gè)音頻幀的語(yǔ)音識(shí)別結(jié)果，將所述待處理音頻中語(yǔ)音識(shí)別結(jié)果為目標(biāo)識(shí)別結(jié)果的音頻幀進(jìn)行剔除，得到處理后的音頻；

對(duì)所述處理后的音頻進(jìn)行風(fēng)格轉(zhuǎn)換處理，得到目標(biāo)音頻。

另一方面，本申請(qǐng)實(shí)施例提供了一種音頻處理裝置，所述裝置包括：

獲取模塊，用于獲取待處理音頻，所述待處理音頻包括一個(gè)或多個(gè)音頻幀；

處理模塊，用于針對(duì)所述一個(gè)或多個(gè)音頻幀中的任一音頻幀，對(duì)所述任一音頻幀進(jìn)行切分處理得到多個(gè)音頻片段，確定所述多個(gè)音頻片段中每個(gè)音頻片段的音頻類(lèi)別，根據(jù)所述每個(gè)音頻片段的音頻類(lèi)別確定所述任一音頻幀的語(yǔ)音識(shí)別結(jié)果；

所述處理模塊，還用于根據(jù)各個(gè)音頻幀的語(yǔ)音識(shí)別結(jié)果，將所述待處理音頻中語(yǔ)音識(shí)別結(jié)果為目標(biāo)識(shí)別結(jié)果的音頻幀進(jìn)行剔除，得到處理后的音頻；

所述處理模塊，還用于對(duì)所述處理后的音頻進(jìn)行風(fēng)格轉(zhuǎn)換處理，得到目標(biāo)音頻。

相應(yīng)地，本申請(qǐng)實(shí)施例提供了一種計(jì)算機(jī)設(shè)備，該設(shè)備包括處理器、通信接口和存儲(chǔ)器，所述處理器、所述通信接口和所述存儲(chǔ)器相互連接，其中，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器用于調(diào)用計(jì)算機(jī)程序，執(zhí)行上述任一可能實(shí)現(xiàn)方式所述的音頻處理方法。

相應(yīng)地，本申請(qǐng)實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行上述任一可能實(shí)現(xiàn)方式所述的音頻處理方法所涉及的計(jì)算機(jī)程序。