[發(fā)明專利]音頻處理方法、裝置、存儲介質(zhì)及計算機程序

有效

• 申請?zhí)枺?/td>: 202111194926.5
• 申請日: 2021-10-14
• 公開（公告）號: CN113643714B
• 公開（公告）日: 2022-02-18
• 發(fā)明（設(shè)計）人: 王子騰;納躍躍;劉章;田彪;付強
• 申請（專利權(quán)）人: 阿里巴巴達摩院（杭州）科技有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208
• 代理公司: 北京博浩百睿知識產(chǎn)權(quán)代理有限責(zé)任公司 11134
• 代理人: 謝湘寧

本發(fā)明公開了一種音頻處理方法、裝置、存儲介質(zhì)及計算機程序。其中，該方法包括：獲取待測試音頻的特征向量；將待測試音頻的特征向量輸入目標(biāo)模型進行處理，得到目標(biāo)時頻掩蔽信息，其中，目標(biāo)模型用于確定混響音頻對應(yīng)的時頻掩蔽信息，時頻掩蔽信息用于將混響音頻處理為目標(biāo)類型音頻，目標(biāo)類型音頻中包含混響音頻對應(yīng)的聲源的直達聲和早期反射聲；根據(jù)目標(biāo)時頻掩蔽信息處理待測試音頻，得到目標(biāo)音頻。本發(fā)明解決了由于空間內(nèi)的混響現(xiàn)象的存在，導(dǎo)致拾音設(shè)備采集到的音頻的清晰度低的技術(shù)問題。

技術(shù)領(lǐng)域

本發(fā)明涉及音頻處理技術(shù)領(lǐng)域，具體而言，涉及一種音頻處理方法、裝置、存儲介質(zhì)及計算機程序。

背景技術(shù)

混響是空間內(nèi)的聲源發(fā)音停止后聲音繼續(xù)存在的聲學(xué)現(xiàn)象，混響的存在使得音頻采集設(shè)備采集到的語言清晰度低，影響采集到的語音的可懂度。

其中，在較大的空間內(nèi)，為了采集到空間各個區(qū)域發(fā)出的聲音，需要采用兩個或者多個拾音設(shè)備共同配合拾取空間內(nèi)產(chǎn)生的音頻，但是，由于空間較大，拾音設(shè)備采集的聲音混響感非常明顯，從而降低了采集到的音頻內(nèi)容的可懂度。

針對上述的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本發(fā)明實施例提供了一種音頻處理方法、裝置、存儲介質(zhì)及計算機程序，以至少解決由于空間內(nèi)的混響現(xiàn)象的存在，導(dǎo)致拾音設(shè)備采集到的音頻的清晰度低的技術(shù)問題。

根據(jù)本發(fā)明實施例的一個方面，提供了一種音頻處理方法，包括：獲取待測試音頻的特征向量；將待測試音頻的特征向量輸入目標(biāo)模型進行處理，得到目標(biāo)時頻掩蔽信息，其中，目標(biāo)模型用于確定混響音頻對應(yīng)的時頻掩蔽信息，時頻掩蔽信息用于將混響音頻處理為目標(biāo)類型音頻，目標(biāo)類型音頻中包含混響音頻對應(yīng)的聲源的直達聲和早期反射聲；根據(jù)目標(biāo)時頻掩蔽信息處理待測試音頻，得到目標(biāo)音頻。

根據(jù)本發(fā)明實施例的另一方面，還提供了另一種音頻處理方法，包括：云服務(wù)器接收待測試音頻；云服務(wù)器獲取待測試音頻的特征向量，采用目標(biāo)模型對待測試音頻的特征向量進行處理，得到目標(biāo)時頻掩蔽信息，并根據(jù)目標(biāo)時頻掩蔽信息處理待測試音頻，得到目標(biāo)音頻，其中，目標(biāo)模型用于確定混響音頻對應(yīng)的時頻掩蔽信息，時頻掩蔽信息用于將混響音頻處理為目標(biāo)類型音頻，目標(biāo)類型音頻中包含混響音頻對應(yīng)的聲源的直達聲和早期反射聲；云服務(wù)器返回目標(biāo)音頻至客戶端。

根據(jù)本發(fā)明實施例的另一方面，還提供了另一種音頻處理方法，包括：采集待測試音頻，并在音頻播放器播放待測試音頻；在音頻播放器播放待測試音頻對應(yīng)的目標(biāo)音頻，其中，目標(biāo)音頻是通過目標(biāo)時頻掩蔽信息對待測試音頻進行處理后得到的音頻，目標(biāo)時頻掩蔽信息是通過目標(biāo)模型對待測試音頻的特征向量進行處理得到的信息，目標(biāo)模型用于確定混響音頻對應(yīng)的時頻掩蔽信息。

根據(jù)本發(fā)明實施例的另一方面，還提供了另一種音頻處理方法，包括：通過至少兩個采集器采集教學(xué)空間內(nèi)產(chǎn)生的音頻，得到第一音頻；獲取第一音頻的特征向量，并將第一音頻的特征向量輸入目標(biāo)模型進行處理，得到目標(biāo)時頻掩蔽信息，其中，目標(biāo)模型用于確定混響音頻對應(yīng)的時頻掩蔽信息，時頻掩蔽信息用于將混響音頻處理為目標(biāo)類型音頻，目標(biāo)類型音頻中包含混響音頻對應(yīng)的聲源的直達聲和早期反射聲；根據(jù)目標(biāo)時頻掩蔽信息處理第一音頻，得到第二音頻；將第二音頻發(fā)送至教學(xué)空間所對應(yīng)的遠端課堂。

根據(jù)本發(fā)明實施例的另一方面，還提供了一種音頻處理裝置，包括：第一獲取單元，用于獲取待測試音頻的特征向量；第一處理單元，用于將待測試音頻的特征向量輸入目標(biāo)模型進行處理，得到目標(biāo)時頻掩蔽信息，其中，目標(biāo)模型用于確定混響音頻對應(yīng)的時頻掩蔽信息，時頻掩蔽信息用于將混響音頻處理為目標(biāo)類型音頻，目標(biāo)類型音頻中包含混響音頻對應(yīng)的聲源的直達聲和早期反射聲；第二處理單元，用于根據(jù)目標(biāo)時頻掩蔽信息處理待測試音頻，得到目標(biāo)音頻。

根據(jù)本發(fā)明實施例的另一方面，還提供了一種存儲介質(zhì)，存儲介質(zhì)包括存儲的程序，其中，在程序運行時控制存儲介質(zhì)所在設(shè)備執(zhí)行上述任意一種音頻處理方法。