CN105304102A - 一种音频处理方法及装置 - Google Patents

Abstract

本发明适用于音频处理技术领域，提供了一种音频处理方法及装置，所述方法包括：获取音频数据；在接收到用户对所述音频数据的操作指令后，根据所述操作指令对所述音频数据进行相应处理后播放；其中，所述操作指令包括用于指示分读、慢读、连读或快读的指令。通过本发明，可有效实现对音频的分读、慢读、连读或快读处理。

Description

一种音频处理方法及装置

技术领域

本发明属于音频处理技术领域，尤其涉及一种音频处理方法及装置。

背景技术

现在技术在对音频数据进行快读和慢读处理时，是将整段音频数据平均作拖长或变短处理，会造成音频声音变形和失真。

另外，英语连读是地道口语的常见现象，用户通常遇到有两个问题：1)连读时，听不出是由哪几个单词组成的；2)当语音逐个读时，不知道如何用连读的方式，更地道地说出来。

在英语音频中，遇到连读的句子，即使放慢整段音频的速度，用户还是无法听清楚。例如：原音频为“pu^ti^ton”，现有的变慢方式是“pu…ti…ton”，而用户还是无法知道，这是“putiton”的连读方式。另外，遇到可连读的句子而没有连读时，就算加快了音频的速度，用户还是无法听到地道的连读音频。

发明内容

本发明实施例在于提供一种音频处理方法及装置，以实现对音频的慢读、快读、连读及分读处理。

本发明实施例是这样实现的，一种音频处理方法，所述方法包括：

获取音频数据；

在接收到用户对所述音频数据的操作指令后，根据所述操作指令对所述音频数据进行相应处理后播放；

其中，所述操作指令包括用于指示分读、慢读、连读或快读的指令。

本发明实施例的另一目的在于提供一种音频处理装置，所述装置包括：

音频获取单元，用于获取音频数据；

音频处理单元，用于在接收到用户对所述音频数据的操作指令后，根据所述操作指令对所述音频数据进行相应处理后播放；

其中，所述操作指令包括用于指示分读、慢读、连读或快读的指令。

本发明实施例与现有技术相比存在的有益效果是：本发明实施例可以根据用户发出的操作指令，实现对音频的分读、慢读、连读或快读处理，操作方便、快捷。而且，本发明实施例实现简单，不需要增加额外的硬件，可有效节省产品成本，具有较强的易用性和实用性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明第一实施例提供的音频处理方法的实现流程图；

图2是本发明第二实施例提供的音频处理装置的组成结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

图1示出了本发明实施例一提供的音频处理方法的实现流程，该方法过程详述如下：

在步骤S101中，获取音频数据。

在本实施例中，获取的音频数据可以是终端设备预先存储的音频数据或者终端设备通过音频输入装置或者音频输入接口采集的音频数据。其中，所述音频输入装置包括但不限于麦克风，所述音频输入接口包括但不限于DVD、CD、USB、蓝牙、WIFI以及3G等接口。

较佳的，本实施例在获取音频数据之后，还包括：

将所述音频数据转换成文本文件(示例性的，可以通过音频相似度比较从预设数据库中获取与所述音频数据相对应的文本文件，所述数据库中预先存储有多份音频数据以及与所述音频数据对应的文本文件)，并显示所述文本文件的内容，以便于用户根据显示的所述文本文件的内容发出相应的操作指令。

其中，所述操作指令包括但不限于用于指示分读、慢读、连读或快读的指令。

进一步的，本实施例所述操作指令还包括对显示的所述文本文件的内容进行选择的指令，即用户可先选择所述文本文件中全部或部分的内容，再对选择的所述内容进行分读、慢读、连读或快读等操作。

在步骤S102中，在接收到用户对所述音频数据的操作指令后，根据所述操作指令对所述音频数据进行相应处理后播放。

在本实施例中，所述操作指令包括但不限于用于指示分读、慢读、连读或快读的指令。

示例性的，当所述音频数据中包含由多个英文单词组成的句子；

所述在接收到用户对所述音频数据的操作指令后，根据所述操作指令对所述音频数据进行相应处理后播放包括：

在接收到用户发出的用于指示慢读的指令后，将所述音频数据中英文单词的播放速度设置为ν₁，且将英文单词间的停顿时间设置为T₁后播放，其中ν₁＝ν₀(即保持所述音频数据处理前后英文单词的播放速度不变)，T₁＝T₀+ΔT(即增加英文单词间的停顿时间)，ν₀表示在接收到所述用于指示慢读的指令前英文单词的播放速度，T₀表示在接收到所述用于指示慢读的指令前英文单词间的停顿时间，ΔT表示增加的停顿时间，ΔT为预先设定的第一常数；

在接收到用户发出的用于指示快读的指令后，将所述音频数据中英文单词的播放速度设置为ν₂，且将英文单词间的停顿时间设置为T₂后播放，其中ν₂＝ν₀(即保持所述音频数据处理前后英文单词的播放速度不变)，T₂＝T₀-ΔT'(即减少英文单词间的停顿时间)，ν₀表示在接收到所述用于指示快读的指令前英文单词的播放速度，T₀表示在接收到所述用于指示快读的指令前英文单词间的停顿时间，ΔT表示减少的停顿时间，ΔT'为预先设定的第二常数。

本发明实施例与现有技术相比，在进行慢读或快读处理时，保持音频数据处理前后英文单词的播放速度不变，只增加或减少英文单词间的停顿时间，从而不会改变音频的音质，有效避免现有技术将整段音频数据平均作拖长或变短处理，造成音频声音变形和失真的问题。

进一步的，所述在接收到用户对所述音频数据的操作指令后，根据所述操作指令对所述音频数据进行相应处理后播放还包括：

在接收到用户发出的用于指示分读的指令后，判断所述音频数据中是否存在连读的句子，若是，对所述连读的句子进行分读处理，并播放分读处理后的句子，同时显示分读标记；

在接收到用户发出的用于指示连读的指令后，判断所述音频数据中是否存在可连读但未连读的句子，若是，对所述可连读但未连读的句子进行连读处理，并播放连读处理后的句子，同时显示连读标记。

需要说明的是，连读的判断可采用现有技术实现，即在连读时相邻的两词须同属一个意群，连读所构成的音节不重读。

示例性的，所述对所述连读的句子进行分读处理，并播放分读处理后的句子，同时显示分读标记包括：

从预设数据库中获取与所述连读的句子相对应的内容，所述相对应的内容包括该句子(即与所述连读的句子包含相同英文单词的句子)分读的内容以及该句子分读的标记，并播放获取的所述分读的内容，显示所述分读的标记；

示例性的，所述对所述可连读但未连读的句子进行连读处理，并播放连读处理后的句子，同时显示连读标记包括：

从预设数据库中获取与所述可连读但未连读的句子相对应的内容，该相对应的内容包括该句子(即与所述可连读但未连读的句子包含相同英文单词的句子)连读的内容以及该句子连读的标记，并播放获取的所述连读的内容，显示所述连读的标记。

需要说明的是，本实施例对所述分读、慢读、连读或快读的处理只是一种示例性说明，本领域技术人员应该理解的是，上述处理方式的任意组合均在本实施例保护范围之内。例如，本实施例在接收到用户发出的用于指示慢读的指令后，在对所述音频数据进行慢读处理的同时，还可以对所述音频数据进行分读处理。举例：原音频为“pu^ti^ton”，在接收到用于指示慢读的指令后，处理后的音频为“put^^^it^^^on”，显示的分读标记为“put____it____on”，^表示1单位的停顿时间，____表示分读的标记。在接收到用户发出的用于指示快读的指令后，在对所述音频数据进行快读处理的同时，还可以对所述音频数据进行连读处理。举例：原音频为“put^^^it^^^on”，在接收到用于指示快读的指令后，处理后的音频为“pu^ti^ton”，显示的连读标记为“put____it____on”。

通过本实施例的所述分读处理，可以让每个英文单词听的更清楚；通过所述连读处理，可以让语音更地道，极大的满足用户需求，具有较强的易用性和实用性。

需要说明的是，在本实施例中，所述操作指令可以是滑动指令(例如在触摸屏上逆时针滑一圈为指示慢读的指令，逆时针滑两圈为指示分读的指令，顺时针滑一圈为指示快读的指令，顺时针滑两圈为指示连读的指令等)、语音指令(例如通过麦克风等语音输入装置获取语音指令，对所述语音指令进行识别后转换成对应的操作指令)或者用户点击预先设置的按键触发的指令。其中，所述预先设置的按键可以为预先设置在终端设备上的一个或多个物理按键，所述一个或多个物理按键可以设置在所述终端设备上任意不与现有按键重合的位置，例如终端设备的顶部、底部、左右两侧、正面、背面等，在此不做限定。例如所述已有的按键中一个按键或者多个按键的组合可以是终端设备的锁屏键、音量键或者锁屏键和音量上调键或音量下调键的组合，在此也不做限定。

在本实施例中，对于用户来说，采用语音或物理按键触发所述操作指令，比采用触摸滑动更简单、方便，尤其对不习惯使用触摸屏的老年群体更实用。

进一步的，为了方便在下次接收到相同操作指令后，可以快速的获取与所述操作指令相对应的音频，本实施例还可以将操作频率超过预设值的音频数据以及该音频数据操作处理后的数据存储在本地。例如，用户对“pu^ti^ton”的慢读操作超过3次，则将“pu^ti^ton”以及“put^^^it^^^on”存储在本地，以便于下次快速的调用。

通过本发明实施例，不仅可以实现对音频的分读、慢读、连读或快读处理，而且在进行慢读或快读处理时，通过保持音频数据处理前后英文单词的播放速度不变，只增加或减少英文单词间的停顿时间，从而不会改变音频的音质，有效避免现有技术将整段音频数据平均作拖长或变短处理，造成音频声音变形和失真的问题。另外，通过所述分读处理，可以让每个英文单词听的更清楚；通过所述连读处理，可以让语音更地道，极大的满足用户需求，具有较强的易用性和实用性。

实施例二：

图2示出了本发明实施例二提供的音频处理装置的组成结构，为了便于说明，仅示出了与本发明实施例相关的部分。

所述音频处理装置可应用于各种终端设备，例如口袋计算机(PocketPersonalComputer，PPC)、掌上电脑、计算机、笔记本电脑、个人数字助理(PersonalDigitalAssistant，PDA)等，可以是运行于这些终端设备内的软件单元、硬件单元或者软硬件相结合的单元，也可以作为独立的挂件集成到这些终端设备中或者运行于这些终端设备的应用系统中。

所述音频处理装置包括：

音频获取单元21，用于获取音频数据；

音频处理单元22，用于在接收到用户对所述音频数据的操作指令后，根据所述操作指令对所述音频数据进行相应处理后播放；

其中，所述操作指令包括用于指示分读、慢读、连读或快读的指令。

进一步的，所述音频数据中包含由多个英文单词组成的句子；

所述音频处理单元22包括：

慢读处理模块221，用于在接收到用户发出的用于指示慢读的指令后，将所述音频数据中英文单词的播放速度设置为ν₁，且将英文单词间的停顿时间设置为T₁后播放，其中ν₁＝ν₀，T₁＝T₀+ΔT，ν₀表示在接收到所述用于指示慢读的指令前英文单词的播放速度，T₀表示在接收到所述用于指示慢读的指令前英文单词间的停顿时间，ΔT表示增加的停顿时间，ΔT为预先设定的第一常数；

快读处理模块222，用于在接收到用户发出的用于指示快读的指令后，将所述音频数据中英文单词的播放速度设置为ν₂，且将英文单词间的停顿时间设置为T₂后播放，其中ν₂＝ν₀，T₂＝T₀-ΔT'，ν₀表示在接收到所述用于指示快读的指令前英文单词的播放速度，T₀表示在接收到所述用于指示快读的指令前英文单词间的停顿时间，ΔT表示减少的停顿时间，ΔT'为预先设定的第二常数。

进一步的，所述音频处理单元22还包括：

分读处理模块223，用于在接收到用户发出的用于指示分读的指令后，判断所述音频数据中是否存在连读的句子，若是，对所述连读的句子进行分读处理，并播放分读处理后的句子，同时显示分读标记；

连读处理模块224，用于在接收到用户发出的用于指示连读的指令后，判断所述音频数据中是否存在可连读但未连读的句子，若是，对所述可连读但未连读的句子进行连读处理，并播放连读处理后的句子，同时显示连读标记。

进一步的，所述分读处理模块223具体用于：

从预设数据库中获取与所述连读的句子相对应的内容，所述相对应的内容包括该句子分读的内容以及该句子分读的标记，并播放获取的所述分读的内容，显示所述分读的标记；

所述连读处理模块224具体用于：

从预设数据库中获取与所述可连读但未连读的句子相对应的内容，该相对应的内容包括该句子连读的内容以及该句子连读的标记，并播放获取的所述连读的内容，显示所述连读的标记。

进一步的，所述装置还包括：

显示单元23，用于在获取音频数据之后，将所述音频数据转换成文本文件，并显示所述文本文件的内容，以便于用户根据显示的所述文本文件的内容发出相应的操作指令。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能单元的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述装置中单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

综上所述，本发明实施例不仅可以实现对音频的分读、慢读、连读或快读处理，而且在进行慢读或快读处理时，通过保持音频数据处理前后英文单词的播放速度不变，只增加或减少英文单词间的停顿时间，从而不会改变音频的音质，有效避免现有技术将整段音频数据平均作拖长或变短处理，造成音频声音变形和失真的问题。另外，通过所述分读处理，可以让每个英文单词听的更清楚；通过所述连读处理，可以让语音更地道，极大的满足用户需求。本发明实施例操作方便、快捷，实现简单，不需要增加额外的硬件，可有效节省产品成本，具有较强的易用性和实用性。

本领域普通技术人员还可以理解，实现上述实施例方法中的全部或部分步骤如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例各实施例技术方案的精神和范围。

Claims (10)

1.一种音频处理方法，其特征在于，所述方法包括：

获取音频数据；

在接收到用户对所述音频数据的操作指令后，根据所述操作指令对所述音频数据进行相应处理后播放；

其中，所述操作指令包括用于指示分读、慢读、连读或快读的指令。

2.如权利要求1所述的方法，其特征在于，所述音频数据中包含由多个英文单词组成的句子；

所述在接收到用户对所述音频数据的操作指令后，根据所述操作指令对所述音频数据进行相应处理后播放包括：

在接收到用户发出的用于指示慢读的指令后，将所述音频数据中英文单词的播放速度设置为ν₁，且将英文单词间的停顿时间设置为T₁后播放，其中ν₁＝ν₀，T₁＝T₀+ΔT，ν₀表示在接收到所述用于指示慢读的指令前英文单词的播放速度，T₀表示在接收到所述用于指示慢读的指令前英文单词间的停顿时间，ΔT表示增加的停顿时间，ΔT为预先设定的第一常数；

在接收到用户发出的用于指示快读的指令后，将所述音频数据中英文单词的播放速度设置为ν₂，且将英文单词间的停顿时间设置为T₂后播放，其中ν₂＝ν₀，T₂＝T₀-ΔT'，ν₀表示在接收到所述用于指示快读的指令前英文单词的播放速度，T₀表示在接收到所述用于指示快读的指令前英文单词间的停顿时间，ΔT表示减少的停顿时间，ΔT'为预先设定的第二常数。

3.如权利要求1或2所述的方法，其特征在于，所述在接收到用户对所述音频数据的操作指令后，根据所述操作指令对所述音频数据进行相应处理后播放包括：

在接收到用户发出的用于指示分读的指令后，判断所述音频数据中是否存在连读的句子，若是，对所述连读的句子进行分读处理，并播放分读处理后的句子，同时显示分读标记；

在接收到用户发出的用于指示连读的指令后，判断所述音频数据中是否存在可连读但未连读的句子，若是，对所述可连读但未连读的句子进行连读处理，并播放连读处理后的句子，同时显示连读标记。

4.如权利要求3所述的方法，其特征在于，所述对所述连读的句子进行分读处理，并播放分读处理后的句子，同时显示分读标记包括：

从预设数据库中获取与所述连读的句子相对应的内容，所述相对应的内容包括该句子分读的内容以及该句子分读的标记，并播放获取的所述分读的内容，显示所述分读的标记；

所述对所述可连读但未连读的句子进行连读处理，并播放连读处理后的句子，同时显示连读标记包括：

从预设数据库中获取与所述可连读但未连读的句子相对应的内容，该相对应的内容包括该句子连读的内容以及该句子连读的标记，并播放获取的所述连读的内容，显示所述连读的标记。

5.如权利要求1所述的方法，其特征在于，在获取音频数据之后，还包括：

将所述音频数据转换成文本文件，并显示所述文本文件的内容，以便于用户根据显示的所述文本文件的内容发出相应的操作指令。

6.一种音频处理装置，其特征在于，所述装置包括：

音频获取单元，用于获取音频数据；

音频处理单元，用于在接收到用户对所述音频数据的操作指令后，根据所述操作指令对所述音频数据进行相应处理后播放；

其中，所述操作指令包括用于指示分读、慢读、连读或快读的指令。

7.如权利要求6所述的装置，其特征在于，所述音频数据中包含由多个英文单词组成的句子；

所述音频处理单元包括：

慢读处理模块，用于在接收到用户发出的用于指示慢读的指令后，将所述音频数据中英文单词的播放速度设置为ν₁，且将英文单词间的停顿时间设置为T₁后播放，其中ν₁＝ν₀，T₁＝T₀+ΔT，ν₀表示在接收到所述用于指示慢读的指令前英文单词的播放速度，T₀表示在接收到所述用于指示慢读的指令前英文单词间的停顿时间，ΔT表示增加的停顿时间，ΔT为预先设定的第一常数；

快读处理模块，用于在接收到用户发出的用于指示快读的指令后，将所述音频数据中英文单词的播放速度设置为ν₂，且将英文单词间的停顿时间设置为T₂后播放，其中ν₂＝ν₀，T₂＝T₀-ΔT'，ν₀表示在接收到所述用于指示快读的指令前英文单词的播放速度，T₀表示在接收到所述用于指示快读的指令前英文单词间的停顿时间，ΔT表示减少的停顿时间，ΔT'为预先设定的第二常数。

8.如权利要求6或7所述的装置，其特征在于，所述音频处理单元还包括：

分读处理模块，用于在接收到用户发出的用于指示分读的指令后，判断所述音频数据中是否存在连读的句子，若是，对所述连读的句子进行分读处理，并播放分读处理后的句子，同时显示分读标记；

连读处理模块，用于在接收到用户发出的用于指示连读的指令后，判断所述音频数据中是否存在可连读但未连读的句子，若是，对所述可连读但未连读的句子进行连读处理，并播放连读处理后的句子，同时显示连读标记。

9.如权利要求8所述的装置，其特征在于，所述分读处理模块具体用于：

从预设数据库中获取与所述连读的句子相对应的内容，所述相对应的内容包括该句子分读的内容以及该句子分读的标记，并播放获取的所述分读的内容，显示所述分读的标记；

所述连读处理模块具体用于：

从预设数据库中获取与所述可连读但未连读的句子相对应的内容，该相对应的内容包括该句子连读的内容以及该句子连读的标记，并播放获取的所述连读的内容，显示所述连读的标记。

10.如权利要求6所述的装置，其特征在于，所述装置还包括：

显示单元，用于在获取音频数据之后，将所述音频数据转换成文本文件，并显示所述文本文件的内容，以便于用户根据显示的所述文本文件的内容发出相应的操作指令。