[發明專利]音頻處理方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202310001661.5
• 申請日: 2023-01-03
• 公開（公告）號: CN116320962A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 張祿
• 申請（專利權）人: 蔚來汽車科技（安徽）有限公司
• 主分類號: H04S3/00
• 分類號: H04S3/00;H04S7/00;G10L25/30;G10L25/03;G06N3/0464;G06N3/08
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 黃麗霞

本申請涉及一種音頻處理方法、裝置、計算機設備、存儲介質和計算機程序產品。所述方法包括：通過獲取待處理音頻信號和配置的三維音源位置坐標，并對待處理音頻信號進行預處理，得到預處理后的標準音頻信號，進而對標準音頻信號進行特征提取，得到提取的時域音頻特征和頻域音頻特征，最后根據三維音源位置坐標對時域音頻特征和頻域音頻特征進行上混處理，得到處理后的具有三維聲道的目標音頻信號。從而實現將立體聲格式的待處理音頻信號轉換為具有三維聲道的目標音頻信號，以提高音質效果。

技術領域

本申請涉及音頻技術領域，特別是涉及一種音頻處理方法、裝置、計算機設備、存儲介質和計算機程序產品。

背景技術

隨著音頻技術的發展，為了獲得更好的音樂體驗，出現了多種不同環繞聲格式的音樂，例如立體聲、5.1聲道、7.1聲道、7.1.4聲道等。其中，5.1、7.1、7.1.4均是音樂系統輸出聲音的通道數的表達方式，第一個數代表左右聲道、環繞聲道以及中聲道的總和；第二個數代表低音聲道數，也就是低音炮的個數；第三個數代表天空聲道數，沒有表示出來的話就是沒有配置天空聲道。通常，聲道數量越多，也就意味著音樂重放時的空間位置被劃分得更加細致，環繞式的聽感也就更加震撼。

傳統技術中，受限于設備和制作難度，市面上90％以上的音樂都被制作成立體聲格式，也就是雙聲道重放，導致空間環繞感欠缺。因此，有人提出了針對立體聲音樂的上混技術。該技術主要包括兩類：一類是基于經驗規則的上混方案，其通過對左右聲道進行增益、延時、分頻濾波、相關性處理等來實現聲道數量的擴展；另一類則是基于主要音源和背景音源提取(primary?ambient?extraction，PAE)的上混方案，其通過對所提取的兩類音源信號進行聲像位置的重新規劃來實現聲道數量的擴展。

然而，上述針對立體聲音樂的上混技術，大多只能上混成二維的5.1或7.1聲道格式，并且所上混出的聲道信號相關性較高，導致各通道間的信息冗余，使得音源的分離度、空間感均不足，從而影響音效。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高音效的音頻處理方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品。

第一方面，本申請提供了一種音頻處理方法。所述方法包括：

獲取待處理音頻信號和配置的三維音源位置坐標，所述待處理音頻信號為立體聲格式的音頻信號；

對所述待處理音頻信號進行預處理，得到預處理后的標準音頻信號；

對所述標準音頻信號進行特征提取，得到提取的時域音頻特征和頻域音頻特征；

根據所述三維音源位置坐標對所述時域音頻特征和所述頻域音頻特征進行上混處理，得到處理后的具有三維聲道的目標音頻信號。

在其中一個實施例中，所述對所述待處理音頻信號進行預處理，得到預處理后的標準音頻信號，包括：根據預先設定的幀長和幀移對所述待處理音頻信號進行分幀處理，得到多個音頻信號幀；針對每個所述音頻信號幀，分別進行聲道平均處理，得到處理后的平均音頻信號幀；獲取所述平均音頻信號幀的音頻采樣率，將所述音頻采樣率轉換為目標音頻采樣率，得到所述平均音頻信號幀的標準音頻信號。

在其中一個實施例中，所述對所述標準音頻信號進行特征提取，得到提取的時域音頻特征和頻域音頻特征，包括：根據所述目標音頻采樣率對所述標準音頻信號進行采樣，得到采樣的時域音頻特征；通過對所述時域音頻特征進行短時傅里葉變換，得到變換后的頻域音頻特征。

在其中一個實施例中，所述根據所述三維音源位置坐標對所述時域音頻特征和所述頻域音頻特征進行上混處理，得到處理后的具有三維聲道的目標音頻信號，包括：對所述時域音頻特征和所述頻域音頻特征分別進行歸一化處理，得到歸一化后的時域特征和頻域特征；對歸一化后的所述時域特征和所述頻域特征進行特征綜合變換，得到綜合變換后的隱空間特征；根據所述三維音源位置坐標對所述隱空間特征進行解析、分離和重組，得到具有三維聲道的目標音頻信號。