CN109346044A - 音频处理方法、装置及存储介质 - Google Patents

Abstract

本发明公开了一种音频处理方法、装置及存储介质，属于多媒体技术领域。所述方法包括：确定待混音的音频的结构特征，结构特征用于指示音频包括的多个不同性质的第一音频片段，从音频素材库中，获取属于预设混音风格的目标音频素材，以及目标音频素材对应的片段性质和混音信息；基于结构特征、目标音频素材对应的片段性质和混音信息，从多个第一音频片段中确定目标音频素材对应的音频子片段；将目标音频素材与音频子片段进行混音处理。本发明在不改变音频的结构的基础上，将目标音频素材混入原始的音频中，得到另一种版本的音频，保证了播放器播放混音处理后的音频时显示的歌词与实际播放的音频能够匹配。

Description

音频处理方法、装置及存储介质

技术领域

本发明涉及多媒体技术领域，特别涉及一种音频处理方法、装置及存储介质。

背景技术

随着多媒体技术的快速发展，混音逐渐成为一种主流。混音是指通过改变音频的强弱、音高、音速、曲调长度以及其他各方面构成音频要素的方式，使得音频成为另一种版本，从而为用户提供新鲜的体验。

在相关技术中，混音的处理过程一般可以包括：从音频中提取人声，并选取部分片段，譬如，选取主歌、副歌等片段，然后对选取的片段重新进行排序，为排序后的人声添加一个新的伴奏，从而达到混音的目的。

然而，在上述实现方式中，由于对选取的片段重新进行排序，改变了音频原本的结构，从而导致播放器播放混音后的音频时，显示的歌词与实际播放的音频可能不匹配。

发明内容

本发明实施例提供了一种音频处理方法、装置及存储介质，可以解决相关技术导致播放器播放混音后的音频时显示的歌词与实际播放的音频可能不匹配的问题。所述技术方案如下：

第一方面，提供了一种音频处理方法，所述方法包括：

确定待混音的音频的结构特征，所述结构特征用于指示所述音频包括的多个不同性质的第一音频片段；

从音频素材库中，获取属于预设混音风格的目标音频素材，以及所述目标音频素材对应的片段性质和混音信息；

基于所述结构特征、所述目标音频素材对应的片段性质和混音信息，从多个第一音频片段中确定所述目标音频素材对应的音频子片段；

将所述目标音频素材与所述音频子片段进行混音处理。

可选地，所述基于所述结构特征、所述目标音频素材对应的片段性质和混音信息，从多个第一音频片段中确定所述目标音频素材对应的音频子片段，包括：

基于所述结构特征，从所述多个第一音频片段中确定性质为所述目标音频素材对应的片段性质的第二音频片段；

基于所述混音信息，确定混音长度，以及从所述第二音频片段中确定混音起始位置；

将所述第二音频片段中从所述混音起始位置开始的所述混音长度的音频子片段确定为所述目标音频素材对应的音频子片段。

可选地，所述将所述目标音频素材与所述音频子片段进行混音处理，包括：

确定所述第二音频片段包括的节拍数量；

基于所述混音信息和所述第二音频片段包括的节拍数量，对所述目标音频素材进行循环拼接，得到混音素材；

将所述混音素材与所述音频子片段进行混音处理。

可选地，基于所述混音信息和所述第二音频片段包括的节拍数量，对所述目标音频素材进行循环拼接，包括：

当所述混音信息还包括预设节拍数量时，如果所述第二音频片段包括的节拍数量与所述片段节拍数量呈倍数关系，则将所述目标音频素材循环拼接成所述混音长度个节拍。

可选地，所述将所述混音素材与所述音频子片段进行混音处理之前，还包括：

确定所述音频的音频特征，所述音频特征包括节拍特征和/或音高特征，所述节拍特征用于指示所述音频采用的节拍与时间点信息之间的对应关系，所述音高特征包括和弦特征和调性，所述和弦特征用于指示所述音频采用的和弦与时间点信息之间的对应关系；

基于所述节拍特征调整所述混音素材的素材时长，和/或，基于所述音高特征调整所述混音素材的音高；

相应地，所述将所述混音素材与所述音频子片段进行混音处理，包括：

将调整后的混音素材与所述音频子片段进行混音处理。

可选地，当所述音频特征包括所述节拍特征时，所述基于所述节拍特征调整所述混音素材的素材时长，包括：

按照所述音频的节拍特征，从所述音频中确定所述混音长度的第三音频片段的时长；

将所述混音素材的素材时长调整为与所述第三音频片段的时长相同。

可选地，当所述音频特征包括音高特征时，所述基于所述音高特征调整所述混音素材的音高，包括：

按照所述音频的和弦特征，将所述音频划分为多个第四音频片段，每个第四音频片段对应一个和弦；

按照所述多个第四音频片段的时间点信息，确定所述混音素材中的多个第二素材片段，每个第二素材片段对应一个第四音频片段，且每个第二素材片段的时间点信息和对应的第四音频片段的时间点信息相同；

将所述多个第二素材片段中每个第二素材片段的和弦调整为与对应的第四音频片段的和弦一致。

可选地，当所述音频特征包括音高特征时，所述基于所述音高特征调整所述混音素材的音高，包括：

确定所述音频采用的调性；

根据所述音频采用的调性，将所述混音素材的和弦调整为与确定的调性一致的和弦。

第二方面，提供了一种音频处理装置，所述装置包括：

第一确定模块，用于确定待混音的音频的结构特征，所述结构特征用于指示所述音频包括的多个不同性质的第一音频片段；

获取模块，用于从音频素材库中，获取属于预设混音风格的目标音频素材，以及所述目标音频素材对应的片段性质和混音信息；

第二确定模块，用于基于所述结构特征、所述目标音频素材对应的片段性质和混音信息，从多个第一音频片段中确定所述目标音频素材对应的音频子片段；

混音模块，用于将所述目标音频素材与所述音频子片段进行混音处理。

可选地，所述第二确定模块用于：

基于所述结构特征，从所述多个第一音频片段中确定性质为所述目标音频素材对应的片段性质的第二音频片段；

基于所述混音信息，确定混音长度，以及从所述第二音频片段中确定混音起始位置；

将所述第二音频片段中从所述混音起始位置开始的所述混音长度的音频子片段确定为所述目标音频素材对应的音频子片段。

可选地，所述混音模块用于：

确定所述第二音频片段包括的节拍数量；

基于所述混音信息和所述第二音频片段包括的节拍数量，对所述目标音频素材进行循环拼接，得到混音素材；

将所述混音素材与所述音频子片段进行混音处理。

可选地，所述混音模块用于：

当所述混音信息还包括预设节拍数量时，如果所述第二音频片段包括的节拍数量与所述片段节拍数量呈倍数关系，则将所述目标音频素材循环拼接成所述混音长度个节拍。

可选地，所述混音模块还用于：

确定所述音频的音频特征，所述音频特征包括节拍特征和/或音高特征，所述节拍特征用于指示所述音频采用的节拍与时间点信息之间的对应关系，所述音高特征包括和弦特征和调性，所述和弦特征用于指示所述音频采用的和弦与时间点信息之间的对应关系；

基于所述节拍特征调整所述混音素材的素材时长，和/或，基于所述音高特征调整所述混音素材的音高；

相应地，所述将所述混音素材与所述音频子片段进行混音处理，包括：

将调整后的混音素材与所述音频子片段进行混音处理。

可选地，所述混音模块还用于：

按照所述音频的节拍特征，从所述音频中确定所述混音长度的第三音频片段的时长；

将所述混音素材的素材时长调整为与所述第三音频片段的时长相同。

可选地，所述混音模块还用于：

按照所述音频的和弦特征，将所述音频划分为多个第四音频片段，每个第四音频片段对应一个和弦；

按照所述多个第四音频片段的时间点信息，确定所述混音素材中的多个第二素材片段，每个第二素材片段对应一个第四音频片段，且每个第二素材片段的时间点信息和对应的第四音频片段的时间点信息相同；

将所述多个第二素材片段中每个第二素材片段的和弦调整为与对应的第四音频片段的和弦一致。

可选地，所述混音模块还用于：

确定所述音频采用的调性；

根据所述音频采用的调性，将所述混音素材的和弦调整为与确定的调性一致的和弦。

第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现上述第一方面所述的音频处理方法。

第四方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的音频处理方法。

本发明实施例提供的技术方案带来的有益效果是：

确定待混音处理的音频的结构特征，该结构特征用于指示该音频包括的多个不同性质的第一音频片段，也即是，基于该结构特征可以从该音频中确定多个第一音频片段。从该音频素材库中，获取属于预设音频风格的目标音频素材，并且，获取该目标音频素材对应的片段性质和混音信息。之后，基于该结构特征、所获取的片段性质和混音信息，从该多个第一音频片段中确定该目标音频素材对应的音频子片段，将该音频子片段与该目标音频素材进行混音处理，如此，在不改变音频的结构的基础上，将目标音频素材混入原始的音频中，得到另一种版本的音频，保证了播放器播放混音处理后的音频时显示的歌词与实际播放的音频能够匹配。

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的前提下，还可以根据这些附图获得其他的附图。

图1是根据一示例性实施例示出的一种音频处理方法的流程图；

图2是根据另一示例性实施例示出的一种音频处理方法的流程图；

图3是根据一示例性实施例示出的一种音频处理装置的结构示意图；

图4是根据一示例性实施例示出的一种计算机设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

在对本发明实施例提供的音频处理方法进行详细介绍之前，先对本发明实施例涉及的应用场景和实施环境进行简单介绍。

首先，对本发明实施例涉及的应用场景进行简单介绍。

目前，混音处理手段得到广泛的推广。在混音处理过程中，通常需要改变音频原有的音频结构，如此以来，播放器在播放混音后的音频时，显示的歌词与实际播放的音频可能不匹配，并且，进度条会随着对应的音频片段在重新排序后的音频中播放的先后顺序来回跳动，导致占用过多的资源，同时影响用户体验。为此，本发明实施例提供了一种音频处理方法，该音频处理方法在不改变音频的结构的基础上，将目标音频素材混入原始的音频中，得到另一种版本的音频，保证了播放器播放混音处理后的音频时显示的歌词与实际播放的音频能够匹配，并且，使得进度条不会来回跳动，节省了占用的资源，提高了用户体验效果。其具体实现请参见如下图1和图2所示的实施例。

接下来，对本发明实施例涉及的实施环境进行简单介绍。

本发明实施例提供的音频处理方法可以计算机设备来执行，在一种可能的实现方式中，该计算机设备可以提供有显示界面，该显示界面可以用于人机交互。在一些实施例中，该计算机设备可以为手机、平板电脑、笔记本电脑、台式计算机、便携式计算机等，本发明实施例对此不作限定。

图1是根据一示例性实施例示出的一种音频处理方法的流程图，该音频处理方法可以包括如下几个步骤：

步骤101：确定待混音的音频的结构特征，所述结构特征用于指示所述音频包括的多个不同性质的第一音频片段。

步骤102：从音频素材库中，获取属于预设混音风格的目标音频素材，以及所述目标音频素材对应的片段性质和混音信息。

步骤103：基于所述结构特征、所述目标音频素材对应的片段性质和混音信息，从多个第一音频片段中确定所述目标音频素材对应的音频子片段。

步骤104：将所述目标音频素材与所述音频子片段进行混音处理。

在本发明实施例中，确定待混音处理的音频的结构特征，该结构特征用于指示该音频包括的多个不同性质的第一音频片段，也即是，基于该结构特征可以从该音频中确定多个第一音频片段。从该音频素材库中，获取属于预设音频风格的目标音频素材，并且，获取该目标音频素材对应的片段性质和混音信息。之后，基于该结构特征、所获取的片段性质和混音信息，从该多个第一音频片段中确定该目标音频素材对应的音频子片段，将该音频子片段与该目标音频素材进行混音处理，如此，在不改变音频的结构的基础上，将目标音频素材混入原始的音频中，得到另一种版本的音频，保证了播放器播放混音处理后的音频时显示的歌词与实际播放的音频能够匹配。

可选地，所述基于所述结构特征、所述目标音频素材对应的片段性质和混音信息，从多个第一音频片段中确定所述目标音频素材对应的音频子片段，包括：

基于所述结构特征，从所述多个第一音频片段中确定性质为所述目标音频素材对应的片段性质的第二音频片段；

基于所述混音信息，确定混音长度，以及从所述第二音频片段中确定混音起始位置；

将所述第二音频片段中从所述混音起始位置开始的所述混音长度的音频子片段确定为所述目标音频素材对应的音频子片段。

可选地，所述将所述目标音频素材与所述音频子片段进行混音处理，包括：

确定所述第二音频片段包括的节拍数量；

基于所述混音信息和所述第二音频片段包括的节拍数量，对所述目标音频素材进行循环拼接，得到混音素材；

将所述混音素材与所述音频子片段进行混音处理。

可选地，基于所述混音信息和所述第二音频片段包括的节拍数量，对所述目标音频素材进行循环拼接，包括：

当所述混音信息还包括预设节拍数量时，如果所述第二音频片段包括的节拍数量与所述片段节拍数量呈倍数关系，则将所述目标音频素材循环拼接成所述混音长度个节拍。

可选地，所述将所述混音素材与所述音频子片段进行混音处理之前，还包括：

确定所述音频的音频特征，所述音频特征包括节拍特征和/或音高特征，所述节拍特征用于指示所述音频采用的节拍与时间点信息之间的对应关系，所述音高特征包括和弦特征和调性，所述和弦特征用于指示所述音频采用的和弦与时间点信息之间的对应关系；

基于所述节拍特征调整所述混音素材的素材时长，和/或，基于所述音高特征调整所述混音素材的音高；

相应地，所述将所述混音素材与所述音频子片段进行混音处理，包括：

将调整后的混音素材与所述音频子片段进行混音处理。

可选地，当所述音频特征包括所述节拍特征时，所述基于所述节拍特征调整所述混音素材的素材时长，包括：

按照所述音频的节拍特征，从所述音频中确定所述混音长度的第三音频片段的时长；

将所述混音素材的素材时长调整为与所述第三音频片段的时长相同。

可选地，当所述音频特征包括音高特征时，所述基于所述音高特征调整所述混音素材的音高，包括：

按照所述音频的和弦特征，将所述音频划分为多个第四音频片段，每个第四音频片段对应一个和弦；

按照所述多个第四音频片段的时间点信息，确定所述混音素材中的多个第二素材片段，每个第二素材片段对应一个第四音频片段，且每个第二素材片段的时间点信息和对应的第四音频片段的时间点信息相同；

将所述多个第二素材片段中每个第二素材片段的和弦调整为与对应的第四音频片段的和弦一致。

可选地，当所述音频特征包括音高特征时，所述基于所述音高特征调整所述混音素材的音高，包括：

确定所述音频采用的调性；

根据所述音频采用的调性，将所述混音素材的和弦调整为与确定的调性一致的和弦。

上述所有可选技术方案，均可按照任意结合形成本发明的可选实施例，本发明实施例对此不再一一赘述。

图2是根据另一示例性实施例示出的一种音频处理方法的流程图，本实施例以该音频处理方法应用于计算机设备中进行举例说明，该音频处理方法可以包括如下几个步骤：

步骤201：确定待混音的音频的结构特征，该结构特征用于指示该音频包括的多个不同性质的第一音频片段。

在一些实施例中，第一音频片段的性质可以包括但不限于前奏、主歌、副歌、间奏和尾奏。如此，根据性质不同，该多个第一音频片段可以包括前奏片段、主歌片段、副歌片段、间奏片段和尾奏片段。另外，针对该每种性质的第一音频片段，该音频中均可能包括至少一个，譬如，该音频中可能包括一个前奏片段、两个主歌片段、两个副歌片段、三个间奏片段、一个尾奏片段。

该结构特征用于指示该多个不同性质的第一音频片段，譬如，该结构特征可以包括第一结构特征、第二结构特征、第三结构特征、第四结构特征和第五结构特征，该第一结构特征用于指示前奏片段，第二结构特征用于指示主歌片段、第三结构特征用于指示副歌片段、第四结构特征用于指示间奏片段以及第五结构特征用于指示尾奏片段。

当然，这里仅是以该多个第一音频片段可以包括前奏片段、主歌片段、副歌片段、间奏片段和尾奏片段为例进行说明，在另一实施例中，该多个第一音频片段还可能包括其它性质的片段，本发明实施例对此不作限定。

步骤202：从音频素材库中，获取属于预设混音风格的目标音频素材，以及该目标音频素材对应的片段性质和混音信息。

其中，该预设混音风格可以由用户根据实际需求自定义设置。在一些实施例中，用户可以通过计算机设备提供的显示界面输入该预设混音风格，也即是，该预设混音风格为用户实际想要得到的混音的音频风格，譬如，可以为民族风、摇滚风等。

计算机设备从音频素材库中，获取属于预设混音风格的目标音频素材，其中，该目标音频素材的数量可以为一个，也可以为多个。当该音频素材库中包括多个属于预设混音风格的音频素材时，计算机设备将该多个音频素材均获取为目标音频素材。另外，该计算机设备还获取目标音频素材对应的片段性质和混音信息。

其中，该片段性质可以用于确定该目标音频素材可以混入该多个第一音频片段的哪个第一音频片段中。具体地，该目标音频素材能够混入性质为该片段性质的第一音频片段中，譬如，当该目标音频素材对应的片段性质为主歌时，说明该目标音频素材可以混入主歌片段中，换句话说，可以认为该目标音频素材能够与主歌片段中的某部分音频子片段进行混音。

上述混音信息可以用于指示目标音频素材的混音位置和混音长度，该混音位置和混音长度能够用于确定基于上述片段性质确定的第一音频片段中与该目标音频素材对应的音频子片段，即用于确定该目标音频素材可以与基于片段性质确定的第一音频片段的哪一部分音频子片段进行混音处理。

在一种可能的实现方式中，该混音信息可以用二进制字符的形式来表示。譬如，该目标音频素材对应的混音信息可以为[11111100]，此时，该混音信息所指示的混音位置可以为每8个节拍的前6个节拍，混音长度为6个节拍。

当然，这里仅是以节拍为单位来说明该混音位置和混音长度，在另一实施例中，还可以以小节为单位进行说明，譬如，上述混音信息可以用于指示混音位置为每8个小节中的前6个小节，混音长度为6个小节，其中，一个小节包括4个节拍。

需要说明的是，可以预先设置该音频素材库，该音频素材库包括至少一种音频素材，每种音频素材对应一种乐器，即可以理解为每个音频素材由对应的一种乐器演奏得到，譬如，该乐器可以包括但不限于鼓、贝斯、吉他、钢琴、合成器。在一种可能的实现方式中，可以基于音频素材对应的乐器，对每个音频素材进行命名，譬如，该至少一种音频素材可以包括鼓点音频素材、贝斯音频素材、吉他音频素材，等等。

另外，该音频素材库中还可以存储每种音频素材对应的片段性质和混音信息。并且，每种音频素材均可以标记有至少一种混音风格，该混音风格包括民族风、摇滚风、电子风等等。

进一步地，每种音频素材还可以标记有节拍数量和素材时长，即该每种音频素材对应有几个节拍，以及每种音频素材的时长为多长，譬如，鼓点音频素材对应两个节拍，素材时长为1.5秒，再如，贝斯音频素材对应4个节拍，素材时长为3秒等。

另外，需要说明的是，上述节拍包括重拍和轻拍，这里均统称为节拍。

步骤203：基于该结构特征，从该多个第一音频片段中确定性质为该目标音频素材对应的片段性质的第二音频片段。

如前文所述，该结构特征用于指示音频包括的多个不同性质的第一音频片段，因此，可以根据该结构特征，从该多个第一音频片段中确定性质为该目标音频素材对应的片段性质的第二音频片段，换句话说，该第二音频片段即为该目标音频素材可以混入的音频片段。譬如，当该目标音频素材对应的片段性质为主歌时，从该多个第一音频片段中确定性质为主歌的第二音频片段，譬如，该第二音频片段为该音频的第1分钟至第1.5分钟之间的片段。

另外，当该目标音频素材的数量为多个时，计算机设备基于该结构特征和每个目标音频素材对应的片段性质，从该多个第一音频片段中，确定该每个目标音频素材对应的第二音频片段。

步骤204：基于该混音信息，确定混音长度，以及从该第二音频片段中确定混音起始位置。

如前文所述，该混音信息可以用于指示混音长度和混音位置，进一步地，该混音位置可以指在第二音频片段中的混音起始位置。在一些实施例中，该混音信息可以以二进制字符的形式表示，在该种情况下，从该二进制字符中确定用于表示节拍的字符的数量，将该数量确定为混音长度。譬如，该字符可以为“1”，另外，基于该混音信息可以确定从该第二音频片段中确定混音起始位置。譬如，当该混音信息为[11111100]时，可以确定该混音长度为5，并且，在该第二音频片段中，第一个节拍为混音起始位置，当该第二音频片段包括多个节拍时，还可以确定第九个节拍为混音起始位置，以及第十七个节拍为混音起始位置，以此类推，可以从该第二音频片段中确定多个混音起始位置，即可以理解为该目标音频片段可以与该第二音频片段的多个音频子片段进行混音处理。

步骤205：将该第二音频片段中从该混音起始位置开始的该混音长度的音频子片段确定为该目标音频素材对应的音频子片段。

譬如，继续以上述例子为例，则可以将该第二音频片段中第1个节拍至第五个节拍对应的音频确定为该目标音频素材对应的音频子片段，以及将该第二音频片段中第9个节拍至第十三个节拍对应的音频确定为该目标音频素材对应的音频子片段，以及将该第二音频片段中第十七个节拍至第二十一个节拍对应的音频确定为该目标音频素材对应的音频子片段。

需要说明的是，上述步骤203至步骤205用于执行基于该结构特征、该目标音频素材对应的片段性质和混音信息，从多个第一音频片段中确定该目标音频素材对应的音频子片段的操作。

步骤206：将该目标音频素材与该音频子片段进行混音处理。

在一种可能的实现方式中，将该目标音频素材与该音频子片段进行混音处理的具体实现可以包括：确定该第二音频片段包括的节拍数量，基于该混音信息和该第二音频片段包括的节拍数量，对该目标音频素材进行循环拼接，得到混音素材，将该混音素材与该音频子片段进行混音处理。

在实现过程中，由于目标音频素材的时长一般都比较短，因此，可以将该目标音频素材进行循环拼接处理，得到时长较长的混音素材，以便于将该混音素材与对应的音频子片段进行混音处理。

进一步地，基于该混音信息和该第二音频片段包括的节拍数量，对该目标音频素材进行循环拼接的具体实现可以包括：当该混音信息还包括预设节拍数量时，如果该第二音频片段包括的节拍数量与该片段节拍数量呈倍数关系，则将该目标音频素材循环拼接成该混音长度个节拍。

其中，该预设节拍数量可以根据实际需求进行设置。在一些实施例中，当该混音信息以二进制字符的形式表示时，可以确定该混音信息所包括的预设字符数量，将该预设字符数量确定为预设节拍数量。该预设节拍数量可以用于指示性质为该目标音频素材对应的片段性质的第二音频素材通常包括的节拍个数，譬如，该预设节拍数量为8，此时可以认为性质为该目标音频素材对应的片段性质的第二音频片段通常包括8个节拍。

在基于该混音信息和该第二音频片段包括的节拍数量，对该目标音频素材进行循环拼接的过程中，可以判断该第二音频片段包括的节拍数量与该片段节拍数量之间的倍数关系，并根据该倍数关系来对该目标音频素材进行循环拼接。

譬如，该第二音频片段包括的节拍数量为64个，该预设节拍数量为8，混音长度为6个节拍，该目标音频素材包括2个节拍，由于该第二音频片段包括的节拍数量与该片段节拍数量呈倍数关系，即该第二音频片段包括的节拍数量能够被该片段节拍数量整除，因此，可以将该目标音频素材循环拼接成该6个节拍的混音素材。之后，在该第二音频素材中，将每8个节拍中前6个节拍的音频子片段与该混音素材进行混音处理，即将该每8个节拍中前6个节拍的音频子片段与该混音素材进行合并。

进一步地，当该第二音频片段包括的节拍数量不能被该片段节拍数量整除时，确定两者之间的余数，当该余数大于混音长度时，将该目标音频素材循环拼接成该混音长度个节拍。但是，当该余数小于混音长度时，除了将该目标音频素材循环拼接成该混音长度个节拍之外，还需要将该目标音频素材循环拼接成该余数个节拍的混音素材，用于与该第二音频片段中最后几个节拍的音频子片段进行混音处理。

譬如，继续以上述例子为例，若该第二音频素材包括71个节拍，则将该目标音频素材循环拼接成6个节拍的混音素材，并将每8个节拍中前6个节拍的音频子片段与该混音素材进行混音处理。若该第二音频素材包括68个节拍，则除了将该目标音频素材循环拼接成6个节拍的混音素材之外，还需要将该目标音频素材循环拼接成4个节拍的混音素材，以将前64个节拍中每8个节拍中前6个节拍的音频子片段与该混音素材进行混音处理，以及将第65个节拍至第68个节拍的音频子片段与该4个节拍的混音素材进行混音处理。

进一步地，将所述混音素材与所述音频子片段进行混音处理之前，还可以对该混音素材进行调整。具体地，确定该音频的音频特征，该音频特征包括节拍特征和/或音高特征，该节拍特征用于指示该音频采用的节拍与时间点信息之间的对应关系，该音高特征包括和弦特征和调性，该和弦特征用于指示该音频采用的和弦与时间点信息之间的对应关系，基于该节拍特征调整该混音素材的素材时长，和/或，基于该音高特征调整该混音素材的音高，此时，将该混音素材与该音频子片段进行混音处理的实现包括：将调整后的目标音频素材与该音频子片段进行混音处理。

由于某些种类的乐器素材可能只有节拍，但是某些种类的乐器素材除了节拍之外还有和弦，比如，鼓点音频素材中只有节拍，但是吉他音频素材就同时具有节拍和和弦。对于同时具有节拍和和弦的乐器素材，音频素材可以只包括一种类型的和弦，也可以包括多种类型的和弦，本发明实施例在此不做具体限定。

进一步地，当混音素材中只有节拍时，可以基于该混音素材的节拍特征，对该混音素材的进行变速调整。在一种可能的实现方式中，基于该混音素材的节拍特征，对该混音素材的素材时长进行调整的具体实现可以包括：按照该音频的节拍特征，从该音频中确定该混音长度的第三音频片段的时长，将该混音素材的素材时长调整为与该第三音频片段的时长相同。

比如，该混音素材的混音长度为6个节拍，则可以从该音频中确定第一节拍至第五节拍的时长，之后，将该混音素材的素材时长调整与与该第一节拍至第五节拍的时长相同，从而实现对该混音素材进行变速调整。

进一步地，对于同时具有节拍和和弦的音频素材，在获取到混音素材之后，这时如果仅仅对混音素材的素材时长进行调整，混音素材的和弦特征与音频的和弦特征可能不一致，将无法顺利对混音素材和音频进行合并。因此，针对同时具有节拍和和弦的音频素材，在对混音素材进行素材时长调整之后，还需对混音素材进行和弦调整，以根据和弦调整之后的混音素材对音频进行混音处理。

在本发明实施例中，对混音素材进行和弦调整具有以下两种实现方式：

第一种实现方式：按照该音频的和弦特征，将该音频划分为多个第四音频片段，每个第四音频片段对应一个和弦，按照该多个第四音频片段的时间点信息，确定该混音素材中的多个第二素材片段，每个第二素材片段对应一个第四音频片段，且每个第二素材片段的时间点信息和对应的第四音频片段的时间点信息相同，将该多个第二素材片段中每个第二素材片段的和弦调整为与对应的第四音频片段的和弦一致。

其中，该和弦特征用于确定音频在什么时间段采用了什么和弦。比如，音频为一首歌曲，该歌曲的时长为3分钟，确定音频的和弦特征，也即是，确定出该歌曲在0秒到3秒之间采用的和弦为E和弦、在3秒到8秒之间采用的和弦为G和弦等等。

比如，音频的时长为30秒，混音素材中仅有一种和弦A。将音频按照和弦特征划分之后，得到三个第四音频片段，分别为第四音频片段1、第四音频片段2和第四音频片段3。其中，第四音频片段1的时间点信息为0秒到9秒，对应的和弦为和弦C，第四音频片段2的时间点信息为9秒到15秒，对应的和弦为和弦A，第四音频片段3的时间点信息为15秒到30秒。

此时，将素材时长调整之后的混音素材中时间点信息为0秒到9秒的第二素材片段的和弦由和弦C调整到和弦A，时间点信息为9秒到15秒的第二素材片段的和弦无需调整，将时间点信息为15秒到30秒的第二素材片段的和弦由和弦H调整到和弦C。显然，调整之后的任一第二素材片段的和弦均和时间点信息相同的第四音频片段的和弦一致，也即是，通过对素材时长调整之后的混音素材进行和弦调整，可以使混音素材具有和音频相同的节拍特征和和弦特征，相当于调整之后的混音素材与音频具有完全一致的韵律。这样的话，后续在根据混音素材对音频进行混音处理时，可以避免混音之后的音频丧失了音频本来的韵律。

第二种实现方式：确定该音频采用的调性，根据该音频采用的调性，将该混音素材的和弦调整为与确定的调性一致的和弦。

比如，音频采用的调性为C大调，素材时长调整之后的混音素材中只有一种类型的和弦，该和弦为A和弦，那么此时将素材时长调整之后的混音素材的和弦调整为与确定的调性一致的和弦的具体过程为：可以将A和弦作为A大调，按照从A大调调整到C大调的方式对混音素材进行调整，相当于将混音素材中的A和弦调整为C和弦。

需要说明的是，对于同时具有节拍和和弦的乐器素材，在获取到混音素材之后，上述实现方式是先对混音素材进行素材时长调整，再对混音素材进行和弦调整。当然，也可以先对混音素材进行和弦调整，再对混音素材进行素材时长调整，本发明实施例在此不做具体限定。

在本发明实施例中，确定待混音处理的音频的结构特征，该结构特征用于指示该音频包括的多个不同性质的第一音频片段，也即是，基于该结构特征可以从该音频中确定多个第一音频片段。从该音频素材库中，获取属于预设音频风格的目标音频素材，并且，获取该目标音频素材对应的片段性质和混音信息。之后，基于该结构特征、所获取的片段性质和混音信息，从该多个第一音频片段中确定该目标音频素材对应的音频子片段，将该音频子片段与该目标音频素材进行混音处理，如此，在不改变音频的结构的基础上，将目标音频素材混入原始的音频中，得到另一种版本的音频，保证了播放器播放混音处理后的音频时显示的歌词与实际播放的音频能够匹配。

图3是根据一示例性实施例示出的一种音频处理装置的结构示意图，该音频处理装置可以由软件、硬件或者两者的结合实现。该音频处理装置可以包括：

第一确定模块310，用于确定待混音的音频的结构特征，所述结构特征用于指示所述音频包括的多个不同性质的第一音频片段；

获取模块320，用于从音频素材库中，获取属于预设混音风格的目标音频素材，以及所述目标音频素材对应的片段性质和混音信息；

第二确定模块330，用于基于所述结构特征、所述目标音频素材对应的片段性质和混音信息，从多个第一音频片段中确定所述目标音频素材对应的音频子片段；

混音模块340，用于将所述目标音频素材与所述音频子片段进行混音处理。

可选地，所述第二确定模块330用于：

基于所述结构特征，从所述多个第一音频片段中确定性质为所述目标音频素材对应的片段性质的第二音频片段；

基于所述混音信息，确定混音长度，以及从所述第二音频片段中确定混音起始位置；

将所述第二音频片段中从所述混音起始位置开始的所述混音长度的音频子片段确定为所述目标音频素材对应的音频子片段。

可选地，所述混音模块340用于：

确定所述第二音频片段包括的节拍数量；

基于所述混音信息和所述第二音频片段包括的节拍数量，对所述目标音频素材进行循环拼接，得到混音素材；

将所述混音素材与所述音频子片段进行混音处理。

可选地，所述混音模块340用于：

当所述混音信息还包括预设节拍数量时，如果所述第二音频片段包括的节拍数量与所述片段节拍数量呈倍数关系，则将所述目标音频素材循环拼接成所述混音长度个节拍。

可选地，所述混音模块340还用于：

确定所述音频的音频特征，所述音频特征包括节拍特征和/或音高特征，所述节拍特征用于指示所述音频采用的节拍与时间点信息之间的对应关系，所述音高特征包括和弦特征和调性，所述和弦特征用于指示所述音频采用的和弦与时间点信息之间的对应关系；

基于所述节拍特征调整所述混音素材的素材时长，和/或，基于所述音高特征调整所述混音素材的音高；

相应地，所述将所述混音素材与所述音频子片段进行混音处理，包括：

将调整后的混音素材与所述音频子片段进行混音处理。

可选地，所述混音模块340还用于：

按照所述音频的节拍特征，从所述音频中确定所述混音长度的第三音频片段的时长；

将所述混音素材的素材时长调整为与所述第三音频片段的时长相同。

可选地，所述混音模块340还用于：

按照所述音频的和弦特征，将所述音频划分为多个第四音频片段，每个第四音频片段对应一个和弦；

按照所述多个第四音频片段的时间点信息，确定所述混音素材中的多个第二素材片段，每个第二素材片段对应一个第四音频片段，且每个第二素材片段的时间点信息和对应的第四音频片段的时间点信息相同；

将所述多个第二素材片段中每个第二素材片段的和弦调整为与对应的第四音频片段的和弦一致。

可选地，所述混音模块340还用于：

确定所述音频采用的调性；

根据所述音频采用的调性，将所述混音素材的和弦调整为与确定的调性一致的和弦。

在本发明实施例中，确定待混音处理的音频的结构特征，该结构特征用于指示该音频包括的多个不同性质的第一音频片段，也即是，基于该结构特征可以从该音频中确定多个第一音频片段。从该音频素材库中，获取属于预设音频风格的目标音频素材，并且，获取该目标音频素材对应的片段性质和混音信息。之后，基于该结构特征、所获取的片段性质和混音信息，从该多个第一音频片段中确定该目标音频素材对应的音频子片段，将该音频子片段与该目标音频素材进行混音处理，如此，在不改变音频的结构的基础上，将目标音频素材混入原始的音频中，得到另一种版本的音频，保证了播放器播放混音处理后的音频时显示的歌词与实际播放的音频能够匹配。

需要说明的是：上述实施例提供的音频处理装置在实现音频处理方法时，仅以上述各功能模块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模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的音频处理装置与音频处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图4示出了本发明一个示例性实施例提供的计算机设备400的结构框图。该计算机设备400可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，该计算机设备400包括有：处理器401和存储器402。

处理器401可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器401可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器401也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器401可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器401还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器402可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器402还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器402中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器401所执行以实现本申请中方法实施例提供的音频处理方法。

在一些实施例中，该计算机设备400还可选包括有：外围设备接口403和至少一个外围设备。处理器401、存储器402和外围设备接口403之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口403相连。具体地，外围设备包括：射频电路404、触摸显示屏405、摄像头406、音频电路407、定位组件408和电源409中的至少一种。

外围设备接口403可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器401和存储器402。在一些实施例中，处理器401、存储器402和外围设备接口403被集成在同一芯片或电路板上；在一些其他实施例中，处理器401、存储器402和外围设备接口403中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路404用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路404通过电磁信号与通信网络以及其他通信设备进行通信。射频电路404将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路404包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路404可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路404还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏405用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏405是触摸显示屏时，显示屏405还具有采集在显示屏405的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器401进行处理。此时，显示屏405还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏405可以为一个，设置该计算机设备400的前面板；在另一些实施例中，显示屏405可以为至少两个，分别设置在该计算机设备400的不同表面或呈折叠设计；在再一些实施例中，显示屏405可以是柔性显示屏，设置在该计算机设备400的弯曲表面上或折叠面上。甚至，显示屏405还可以设置成非矩形的不规则图形，也即异形屏。显示屏405可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

摄像头组件406用于采集图像或视频。可选地，摄像头组件406包括前置摄像头和后置摄像头。通常，前置摄像头设置在该计算机设备的前面板，后置摄像头设置在该计算机设备的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件406还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路407可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器401进行处理，或者输入至射频电路404以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在该计算机设备400的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器401或射频电路404的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路407还可以包括耳机插孔。

定位组件408用于定位该计算机设备400的当前地理位置，以实现导航或LBS(Location Based Service，基于位置的服务)。定位组件408可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。

电源409用于为该计算机设备400中的各个组件进行供电。电源409可以是交流电、直流电、一次性电池或可充电电池。当电源409包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。

在一些实施例中，该计算机设备400还包括有一个或多个传感器410。该一个或多个传感器410包括但不限于：加速度传感器411、陀螺仪传感器412、压力传感器413、指纹传感器414、光学传感器415以及接近传感器416。

加速度传感器411可以检测以该计算机设备400建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器411可以用于检测重力加速度在三个坐标轴上的分量。处理器401可以根据加速度传感器411采集的重力加速度信号，控制触摸显示屏405以横向视图或纵向视图进行用户界面的显示。加速度传感器411还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器412可以检测该计算机设备400的机体方向及转动角度，陀螺仪传感器412可以与加速度传感器411协同采集用户对该计算机设备400的3D动作。处理器401根据陀螺仪传感器412采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器413可以设置在该计算机设备400的侧边框和/或触摸显示屏405的下层。当压力传感器413设置在该计算机设备400的侧边框时，可以检测用户对该计算机设备400的握持信号，由处理器401根据压力传感器413采集的握持信号进行左右手识别或快捷操作。当压力传感器413设置在触摸显示屏405的下层时，由处理器401根据用户对触摸显示屏405的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器414用于采集用户的指纹，由处理器401根据指纹传感器414采集到的指纹识别用户的身份，或者，由指纹传感器414根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器401授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器414可以被设置该计算机设备400的正面、背面或侧面。当该计算机设备400上设置有物理按键或厂商Logo时，指纹传感器414可以与物理按键或厂商Logo集成在一起。

光学传感器415用于采集环境光强度。在一个实施例中，处理器401可以根据光学传感器415采集的环境光强度，控制触摸显示屏405的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏405的显示亮度；当环境光强度较低时，调低触摸显示屏405的显示亮度。在另一个实施例中，处理器401还可以根据光学传感器415采集的环境光强度，动态调整摄像头组件406的拍摄参数。

接近传感器416，也称距离传感器，通常设置在该计算机设备400的前面板。接近传感器416用于采集用户与该计算机设备400的正面之间的距离。在一个实施例中，当接近传感器416检测到用户与该计算机设备400的正面之间的距离逐渐变小时，由处理器401控制触摸显示屏405从亮屏状态切换为息屏状态；当接近传感器416检测到用户与该计算机设备400的正面之间的距离逐渐变大时，由处理器401控制触摸显示屏405从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图4中示出的结构并不构成对该计算机设备400的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

本申请实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行上述图1或图2所示实施例提供的音频处理方法。

本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述图1或图2所示实施例提供的音频处理方法。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (17)

1.一种音频处理方法，其特征在于，所述方法包括：

确定待混音的音频的结构特征，所述结构特征用于指示所述音频包括的多个不同性质的第一音频片段；

从音频素材库中，获取属于预设混音风格的目标音频素材，以及所述目标音频素材对应的片段性质和混音信息；

基于所述结构特征、所述目标音频素材对应的片段性质和混音信息，从多个第一音频片段中确定所述目标音频素材对应的音频子片段；

将所述目标音频素材与所述音频子片段进行混音处理。

2.如权利要求1所述的方法，其特征在于，所述基于所述结构特征、所述目标音频素材对应的片段性质和混音信息，从多个第一音频片段中确定所述目标音频素材对应的音频子片段，包括：

基于所述结构特征，从所述多个第一音频片段中确定性质为所述目标音频素材对应的片段性质的第二音频片段；

基于所述混音信息，确定混音长度，以及从所述第二音频片段中确定混音起始位置；

将所述第二音频片段中从所述混音起始位置开始的所述混音长度的音频子片段确定为所述目标音频素材对应的音频子片段。

3.如权利要求2所述的方法，其特征在于，所述将所述目标音频素材与所述音频子片段进行混音处理，包括：

确定所述第二音频片段包括的节拍数量；

基于所述混音信息和所述第二音频片段包括的节拍数量，对所述目标音频素材进行循环拼接，得到混音素材；

将所述混音素材与所述音频子片段进行混音处理。

4.如权利要求3所述的方法，其特征在于，基于所述混音信息和所述第二音频片段包括的节拍数量，对所述目标音频素材进行循环拼接，包括：

当所述混音信息还包括预设节拍数量时，如果所述第二音频片段包括的节拍数量与所述片段节拍数量呈倍数关系，则将所述目标音频素材循环拼接成所述混音长度个节拍。

5.如权利要求2所述的方法，其特征在于，所述将所述混音素材与所述音频子片段进行混音处理之前，还包括：

确定所述音频的音频特征，所述音频特征包括节拍特征和/或音高特征，所述节拍特征用于指示所述音频采用的节拍与时间点信息之间的对应关系，所述音高特征包括和弦特征和调性，所述和弦特征用于指示所述音频采用的和弦与时间点信息之间的对应关系；

基于所述节拍特征调整所述混音素材的素材时长，和/或，基于所述音高特征调整所述混音素材的音高；

相应地，所述将所述混音素材与所述音频子片段进行混音处理，包括：

将调整后的混音素材与所述音频子片段进行混音处理。

6.权利要求5所述的方法，其特征在于，当所述音频特征包括所述节拍特征时，所述基于所述节拍特征调整所述混音素材的素材时长，包括：

按照所述音频的节拍特征，从所述音频中确定所述混音长度的第三音频片段的时长；

将所述混音素材的素材时长调整为与所述第三音频片段的时长相同。

7.如权利要求5所述的方法，其特征在于，当所述音频特征包括音高特征时，所述基于所述音高特征调整所述混音素材的音高，包括：

按照所述音频的和弦特征，将所述音频划分为多个第四音频片段，每个第四音频片段对应一个和弦；

按照所述多个第四音频片段的时间点信息，确定所述混音素材中的多个第二素材片段，每个第二素材片段对应一个第四音频片段，且每个第二素材片段的时间点信息和对应的第四音频片段的时间点信息相同；

将所述多个第二素材片段中每个第二素材片段的和弦调整为与对应的第四音频片段的和弦一致。

8.如权利要求5所述的方法，其特征在于，当所述音频特征包括音高特征时，所述基于所述音高特征调整所述混音素材的音高，包括：

确定所述音频采用的调性；

根据所述音频采用的调性，将所述混音素材的和弦调整为与确定的调性一致的和弦。

9.一种音频处理装置，其特征在于，所述装置包括：

第一确定模块，用于确定待混音的音频的结构特征，所述结构特征用于指示所述音频包括的多个不同性质的第一音频片段；

获取模块，用于从音频素材库中，获取属于预设混音风格的目标音频素材，以及所述目标音频素材对应的片段性质和混音信息；

第二确定模块，用于基于所述结构特征、所述目标音频素材对应的片段性质和混音信息，从多个第一音频片段中确定所述目标音频素材对应的音频子片段；

混音模块，用于将所述目标音频素材与所述音频子片段进行混音处理。

10.如权利要求9所述的装置，其特征在于，所述第二确定模块用于：

基于所述结构特征，从所述多个第一音频片段中确定性质为所述目标音频素材对应的片段性质的第二音频片段；

基于所述混音信息，确定混音长度，以及从所述第二音频片段中确定混音起始位置；

将所述第二音频片段中从所述混音起始位置开始的所述混音长度的音频子片段确定为所述目标音频素材对应的音频子片段。

11.如权利要求10所述的装置，其特征在于，所述混音模块用于：

确定所述第二音频片段包括的节拍数量；

基于所述混音信息和所述第二音频片段包括的节拍数量，对所述目标音频素材进行循环拼接，得到混音素材；

将所述混音素材与所述音频子片段进行混音处理。

12.如权利要求11所述的装置，其特征在于，所述混音模块用于：

当所述混音信息还包括预设节拍数量时，如果所述第二音频片段包括的节拍数量与所述片段节拍数量呈倍数关系，则将所述目标音频素材循环拼接成所述混音长度个节拍。

13.如权利要求10所述的装置，其特征在于，所述混音模块还用于：

确定所述音频的音频特征，所述音频特征包括节拍特征和/或音高特征，所述节拍特征用于指示所述音频采用的节拍与时间点信息之间的对应关系，所述音高特征包括和弦特征和调性，所述和弦特征用于指示所述音频采用的和弦与时间点信息之间的对应关系；

基于所述节拍特征调整所述混音素材的素材时长，和/或，基于所述音高特征调整所述混音素材的音高；

相应地，所述将所述混音素材与所述音频子片段进行混音处理，包括：

将调整后的混音素材与所述音频子片段进行混音处理。

14.如权利要求13所述的装置，其特征在于，所述混音模块还用于：

按照所述音频的节拍特征，从所述音频中确定所述混音长度的第三音频片段的时长；

将所述混音素材的素材时长调整为与所述第三音频片段的时长相同。

15.如权利要求13所述的装置，其特征在于，所述混音模块还用于：

按照所述音频的和弦特征，将所述音频划分为多个第四音频片段，每个第四音频片段对应一个和弦；

按照所述多个第四音频片段的时间点信息，确定所述混音素材中的多个第二素材片段，每个第二素材片段对应一个第四音频片段，且每个第二素材片段的时间点信息和对应的第四音频片段的时间点信息相同；

将所述多个第二素材片段中每个第二素材片段的和弦调整为与对应的第四音频片段的和弦一致。

16.如权利要求13所述的装置，其特征在于，所述混音模块还用于：

确定所述音频采用的调性；

根据所述音频采用的调性，将所述混音素材的和弦调整为与确定的调性一致的和弦。

17.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现权利要求1-8所述的任一项方法的步骤。