CN109360577A - 对音频进行处理的方法、装置存储介质 - Google Patents

Abstract

本发明公开了一种对音频进行处理的方法、装置及存储介质，属于音频技术领域。本发明通过将目标音频划分为多个音频块，对于多个音频块中的第一音频块，确定针对第一音频块的增益值，然后按照确定的增益值对第一音频块中的第一类音频进行增益。由此可知，在本发明中，对于目标音频中的不同音频块，可以根据每个音频块自身的特点设置针对每个音频块的增益值，而不是预先设置一个固定的增益值，从而降低了目标音频中频率较低的音频增益之后出现破音的可能性，同时也提高了对目标音频中频率较低的音频进行增益的灵活性。

Description

对音频进行处理的方法、装置存储介质

技术领域

本发明涉及音频技术领域，特别涉及一种对音频进行处理的方法、装置及存储介质。

背景技术

耳机、小音箱等音频放音设备作为人们收听音频的重要工具，已经在人们的日常生活中非常普及。由于这些音频放音设备自身的限制，对音频中频率较低的音频的响应较差，导致用户几乎听不到频率较低的音频，因此需要对频率较低的音频进行处理。

相关技术中，预先在音频放音设备中设置一个增益值，音频放音设备在播放音频时，会根据增益值增加音频中频率较低的音频的能量，使得频率较低的音频的音量增加，以便于用户能够听到频率较低的音频。其中，增益值可以由用户设置，也可以由厂家在该音频放音设备出厂时设置。

由于相关技术中的增益是一个固定值，使得音频中频率较低的音频经过增益作用之后，可能导致增益之后的频率较低的音频的能量超出音频放音设备允许的能量阈值，使得增益之后的频率较低的音频可能出现破音现象。

发明内容

本发明实施例提供了一种对音频进行处理的方法、装置及存储介质，可以提高对目标音频中频率较低的音频进行增益的灵活性。所述技术方案如下：

第一方面，提供了一种对音频进行处理的方法，所述方法包括：

将目标音频划分为多个音频块；

根据第一音频块中第一类音频的能量和所述第一音频块的空闲能量，确定针对所述第一音频块的增益值，所述第一类音频为频率小于预设频率阈值的音频，所述第一音频块为所述多个音频块中的一个音频块；

根据确定的增益值对所述第一音频块中的第一类音频进行增益。

可选地，所述根据所述第一音频块中第一类音频的能量和所述第一音频块的空闲能量，确定针对所述第一音频块的增益值，包括：

确定所述第一音频块的空闲能量和所述第一音频块中第一类音频的能量之间的比值，并将确定的比值作为第一增益值；

根据所述第一增益值，确定针对所述第一音频块的增益值。

可选地，所述根据所述第一增益值，确定针对所述第一音频块的增益值，包括：

获取用户设置的第二增益值；

将所述第一增益值和所述第二增益值中的最小值确定为针对所述第一音频块的增益值。

可选地，所述根据确定的增益值对所述第一音频块中的第一类音频进行增益之后，还包括：

确定所述多个音频块中每个音频块增益之后的第一类音频，得到多个增益之后的第一类音频，按照所述多个音频块中每个音频块的时间戳，对所述多个增益之后的第一类音频进行排序，得到第一处理音频；

确定所述多个音频块中每个音频块中的第二类音频，得到多个第二类音频，按照所述多个音频块中每个音频块的时间戳，对所述多个第二类音频进行排序，所述多个第二类音频中任一第二类音频为频率大于或等于预设频率阈值的音频；

根据所述第一处理音频和排序之后的多个第二类音频，确定处理之后的目标音频，以使音频放音设备播放所述处理之后的目标音频。

可选地，所述按照所述多个音频块中每个音频块的时间戳，对所述多个第二类音频进行排序之后，还包括：

在排序之后的多个第二类音频的头部添加参考时长的空白音频，得到第二处理音频；

相应地，所述根据所述第一处理音频和排序之后的多个第二类音频，确定处理之后的目标音频，包括：

将所述第一处理音频和所述第二处理音频进行合成，得到所述处理之后的目标音频。

可选地，所述按照所述多个音频块中每个音频块的时间戳，对所述多个增益之后的第一类音频进行排序，得到第一处理音频之后，还包括：

对所述第一处理音频进行滤波，以使所述第一处理音频包括的多个采样点中任意相邻的两个采样点的能量差值小于参考能量差值；

相应地，所述根据所述第一处理音频和排序之后的多个第二类音频，确定处理之后的目标音频，包括：

将排序之后的多个第二类音频和滤波处理之后的第一处理音频进行合成，得到所述处理之后的目标音频。

可选地，所述根据所述第一音频块中第一类音频的能量和所述第一音频块的空闲能量，确定针对所述第一音频块的增益值之前，还包括：

根据所述目标音频的采样精度，确定所述目标音频的允许总能量；

根据所述允许总能量和所述第一音频块的能量，确定所述第一音频块的空闲能量。

第二方面，提供了一种对音频进行处理的装置，所述装置包括：

划分模块，用于将目标音频划分为多个音频块；

第一确定模块，用于根据第一音频块中第一类音频的能量和所述第一音频块的空闲能量，确定针对所述第一音频块的增益值，所述第一类音频为频率小于预设频率阈值的音频，所述第一音频块为所述多个音频块中的一个音频块；

增益模块，用于根据确定的增益值对所述第一音频块中的第一类音频进行增益。

可选地，所述第一确定模块包括：

第一确定单元，用于确定所述第一音频块的空闲能量和所述第一音频块中第一类音频的能量之间的比值，并将确定的比值作为第一增益值；

第二确定单元，用于根据所述第一增益值，确定针对所述第一音频块的增益值。

可选地，所述第二确定单元用于：

获取用户设置的第二增益值；

将所述第一增益值和所述第二增益值中的最小值确定为针对所述第一音频块的增益值。

可选地，所述装置还包括：

第二确定模块，用于确定所述多个音频块中每个音频块增益之后的第一类音频，得到多个增益之后的第一类音频，按照所述多个音频块中每个音频块的时间戳，对所述多个增益之后的第一类音频进行排序，得到第一处理音频；

第三确定模块，确定所述多个音频块中每个音频块中的第二类音频，得到多个第二类音频，按照所述多个音频块中每个音频块的时间戳，对所述多个第二类音频进行排序，所述多个第二类音频中任一第二类音频为频率大于或等于预设频率阈值的音频；

第四确定模块，用于根据所述第一处理音频和排序之后的多个第二类音频，确定处理之后的目标音频，以使音频放音设备播放所述处理之后的目标音频。

可选地，所述装置还包括：

添加模块，用于在排序之后的多个第二类音频的头部添加参考时长的空白音频，得到第二处理音频；

相应地，所述第四确定模块，包括：

第一合成单元，用于将所述第一处理音频和所述第二处理音频进行合成，得到所述处理之后的目标音频。

可选地，所述装置还包括：

滤波模块，用于对所述第一处理音频进行滤波，以使所述第一处理音频包括的多个采样点中任意相邻的两个采样点的能量差值小于参考能量差值；

相应地，所述第四确定模块包括：

第二合成单元，用于将排序之后的多个第二类音频和滤波处理之后的第一处理音频进行合成，得到所述处理之后的目标音频。

可选地，所述装置还包括：

第五确定模块，用于根据所述目标音频的采样精度，确定所述目标音频的允许总能量；

第六确定模块，用于根据所述允许总能量和所述第一音频块的能量，确定所述第一音频块的空闲能量。

第三方面，对音频进行处理的装置，其特征在于，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为执行上述第一方面的任一项方法的步骤。

第四方面，一种计算机可读存储介质,计算机可读存储介质上存储有指令，指令被处理器执行时实现上述第一方面的任一项方法的步骤。

第五方面，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的任一方法的步骤。

本发明实施例提供的技术方案带来的有益效果是：

在本发明中，通过将目标音频划分为多个音频块，对于多个音频块中的第一音频块，确定针对第一音频块的增益值，然后按照确定的增益值对第一音频块中的第一类音频进行增益。由此可知，在本发明中，对于目标音频中的不同音频块，可以根据每个音频块自身的特点设置针对每个音频块的增益值，而不是预先设置一个固定的增益值，从而降低了目标音频中频率较低的音频增益之后出现破音的可能性，同时也提高了对目标音频中频率较低的音频进行增益的灵活性。

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是本发明实施例提供的一种对音频进行处理的方法流程图；

图2是本发明实施例提供的一种对音频进行处理的装置结构示意图；

图3是本发明实施例提供的另一种对音频进行处理的装置结构示意图；

图4是本发明实施例提供的一种终端的结构示意图。

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。

在对本发明实施例进行详细描述之前，先对本发明实施例中涉及的名词进行解释说明。

破音，音频通常包括多个采样点，每个采样点具有一个能量值，如果某个采样点的能量值超出音频放音设备的能量阈值时，音频放音设备在播放该音频时将在该采样点位置处出现破音。其中，音频通常是通过PCM(Pulse CodeModulation，脉冲编码调制)方式采集得到的。音频放音设备的能量阈值是由音频的允许总能量决定的。

允许总能量，是指音频中任一采样点的能量的最大值。空闲能量是指音频的允许总能量与该音频的能量之间的差值。其中，允许总能量与音频的采样精度相关。比如，当音频的采样精度为16位时，音频的允许总能量为65535。另外，由于采样点的能量值可以为正，也可以为负，因此，音频的允许总能量65535，还可以记录为-32768～+32767。

例如，音频包括4个采样点，4个采样点的能量值记录为(100000，-100000，100000，-100000)，如果音频的允许总能量为-32768～+32767，这4个采样点的能量值均已超出允许总能量，此时，音频放音设备在播放该音频时，会将这4个采样点的能量值转化为(32767，-32768,32767，-32768)，然后按照转化后的能量值播放该音频。此时，播放出的音频中的采样点的能量值比采样点的实际能量值要小，即出现破音现象。另外，这种情况也称为削波失真。

图1是本发明实施例提供的一种对音频进行处理的方法流程图，如图1所示，该方法包括如下步骤：

步骤101：将目标音频划分为多个音频块。

其中，在一种可能的实现方式中，将目标音频划分为多个音频块具体可以为：按照时间长度对目标音频进行分块，或者，按照采样点的个数对目标音频进行分块。通常，考虑到硬件本身的特性，如硬件的RAM(random access memory，随机存取存储器)的占用率，一般将多个音频块中每个音频块的长度设置为包含2048个采样点的长度。

例如，目标音频包含102400个采样点，按照每2048个采样点作为一个音频块这样的方式对目标音频进行分块，则目标音频可以分为50个音频块。

步骤102：根据第一音频块中第一类音频的能量和第一音频块的空闲能量，确定针对第一音频块的增益值，第一类音频为频率小于预设频率阈值的音频，第一音频块为多个音频块中的一个音频块。

对多个音频块中的每个音频块，都可以按照步骤102确定一个该音频块对应的增益值，以实现对目标音频进行动态增益，从而提高了对目标音频中的第一类音频进行增益的灵活性。

在一种可能的实现方式中，根据第一音频块中第一类音频的能量和第一音频块的空闲能量，确定针对第一音频块的增益值具体可以为：确定第一音频块的空闲能量和第一音频块中第一类音频的能量之间的比值，并将确定的比值作为第一增益值。根据第一增益值，确定针对第一音频块的增益值。

由于第一增益值是第一音频块的空闲能量和第一音频块中第一类音频的能量之间的比值，因此如果根据第一增益值，确定针对第一音频块的增益值，此时按照确定出的针对第一音频块的增益值对第一类音频增益时，增益之后的第一类音频的能量值不会超出允许总能量。也即是，通过步骤102对第一音频块中的第一类音频进行增益时，可以有效避免出现破音现象。

另外，在确定第一增益值的过程中，若第一音频块的空闲能量采用有正负号符号的方式记录，即空闲能量表示为-32767～+32768这种形式，则分别用空闲能量的正方向的最大值和负方向的最大值除以第一音频块中第一类音频的能量，得到两个数值，将得到两个数值中的最小值确定为第一增益值。

例如，第一音频块的空闲能量为-32767～+32768，第一音频块中第一类音频的能量为100，32767/100为327.67，32768/100为327.68，最小值是327.67，因此将327.67作为第一增益值。

另外，如果第一音频块中的第一类音频的能量无穷接近于0，则将第一增益值设置为1。

另外，根据第一增益值，确定针对第一音频块的增益值具体可以有以下两种实现方式：

(1)直接将第一增益值作为第一音频块的增益值。

(2)获取用户设置的第二增益值，将第一增益值和第二增益值中的最小值确定为针对第一音频块的增益值。

例如，获取的用户的第二增益值为370，第一增益值为327.67，由于327.67小于370，因此将327.67作为针对第一音频块的增益值。

其中，按照实现方式(1)确定的第一音频块的增益值，可以直接对第一音频块进行增益，无需用户设置，减少用户的操作。按照实现方式(2)确定的第一音频块的增益值，用这个增益值对第一音频块进行增益时，可以提高音频放音设备的用户体验，即当用户设置的第二增益值比第一增益值小时，此时的增益值为用户设置的第二增益值，第一音频会按照用户设置的第二增益值进行增益。

另外，根据第一音频块中第一类音频的能量和第一音频块的空闲能量，确定针对第一音频块的增益值之前，需要确定第一音频块中第一类音频的能量和第一音频块的空闲能量。

其中，确定第一音频块中第一类音频的能量的实现方式可以为：设置一个低通滤波器，将第一音频块输入到该低通滤波器中，低通滤波器输出的音频便是第一音频块中的第一类音频。由于目标音频中每个采样点的能量值是确定的，因此在将第一音频块输入到低通滤波器之后，低通滤波器输出的第一类音频中每个采样点的能量值也是确定的。将第一类音频中每个采样点的能量值的绝对值相加，将得到的加和除以第一类音频中包括的采样点的个数，得到的数值便是第一音频块中第一类音频的能量。

其中，低通滤波器中设置有预设频率阈值，因此通过低通滤波器之后的音频为频率小于预设频率阈值的音频，也即是第一类音频。预设频率阈值可以为300Hz(Hertz，赫兹)。目前，对于质量好的音频放音设备对于音频的响应极限是40Hz，即小于40Hz的音频会在质量好的音频放音设备上出现非常大的衰减，40Hz以上的音频则几乎不会衰减。质量一般的音频放音设备对于音频的响应极限是60Hz，质量差的音频放音设备对音频的响应极限是120Hz，质量非常差的音频放音设备对于音频的响应极限是200Hz。因此，当预设频率阈值设置为300Hz时，可以包含几乎所有的音频放音设备对音频的响应极限。当然，预设频率阈值也可以为其他值，本发明实施例在此不做限定。

另外，确定第一音频块的空闲能量的实现方式具体可以为：根据目标音频的采样精度，确定目标音频的允许总能量；根据允许总能量和第一音频块的能量，确定第一音频块的空闲能量。

其中，根据允许总能量和第一音频块的能量，确定第一音频块的空闲能量的实现方式可以为：允许总能量与第一音频块的能量的差值作为第一音频块的空闲能量。其中，第一音频块的能量是第一音频块包括的所有采样点中每个采样点的能量值的绝对值的和除以第一音频块中包括的采样点的个数的值。其中，空闲能量又叫能量余量。

步骤103：根据确定的增益值对第一音频块中的第一类音频进行增益。

其中，根据确定的增益值对第一音频块中的第一类音频进行增益的实现方式可以为：对于第一音频块中的第一类音频包括的所有采样点中的任一采样点，将该采样点的能量值与确定的增益值相乘，并将相乘后的数值作为该采样点增益之后的能量值。

上述步骤102至步骤103是对目标音频中的第一类音频的处理过程进行解释说明，实际应用时，对目标音频进行处理的完整过程还包括将增益之后的第一类音频和目标音频中的第二类音频进行合成，以得到处理之后的目标音频，以使音频放音设备播放处理之后的目标音频。其中，第二类音频为频率大于或等于预设频率阈值的音频。

其中，将增益之后的第一类音频和目标音频中的第二类音频进行合成可以通过以下几个步骤实现：

步骤(1)：在按照步骤102至步骤103对每个音频块中的第一类音频进行增益之后，确定多个音频块中每个音频块增益之后的第一类音频，得到多个增益之后的第一类音频，按照多个音频块中每个音频块的时间戳，对多个增益之后的第一类音频进行排序，得到第一处理音频。步骤(2)：确定多个音频块中每个音频块中的第二类音频，得到多个第二类音频，按照多个音频块中每个音频块的时间戳，对多个第二类音频进行排序。步骤(3)：根据第一处理音频和排序之后的多个第二类音频，确定处理之后的目标音频。

其中，步骤(3)实现方式可以为：直接将第一处理音频和排序之后的多个第二类音频进行合成，将合成之后的音频作为处理之后的目标音频。

可选地，为了提高用户对第一类音频的感知，在步骤(2)之后还可以包括：在排序之后的多个第二类音频的头部添加参考时长的空白音频，得到第二处理音频。相应地，步骤(3)的实现方式可以为：将第一处理音频和第二处理音频进行合成，得到处理之后的目标音频。这样，在播放处理之后的目标音频时，用户将先听到第一类音频，从而提高用户对第一类音频的感知。

其中，在排序之后的多个第二类音频的头部添加参考时长的空白音频，得到第二处理音频的实现方式可以为：设置一个延迟器，将排序之后的多个第二类音频依次输入到延迟器中，由于延迟器中提前设置了延迟时间，经过延迟器的作用，会在排序之后的多个第二类音频的头部添加参考时长的空白音频，便得到第二处理音频。

例如，设定第二类音频的播放时间比第一类音频的播放时间延迟12毫秒，假设目标音频的采样频率为44100Hz。设置一个延迟器后，当将排序之后的多个第二类音频输入至延迟器时，延迟器会先压入529个0，其中，529是根据12毫秒与采样率44100Hz计算得到，即0.012*44100，然后再将多个第二类音频输出。也即是，延迟器会先输出12毫秒的空白音频，然后再输出排序之后的多个第二类音频，因此，通过延迟器的作用可以得到第二处理音频。

其中，延迟器可以为环形缓冲区、FIFO缓冲区、延迟模块等，本发明实施例在此不做限定。延迟器的延迟时间可以在0～50毫秒之间选择，也可以在其他时间范围内选择，本发明实施例在此不做限定。

可选地，为了降低增益之后的第一类音频的噪音，在上述步骤(1)之后还可以包括：对第一处理音频进行滤波，以使第一处理音频包括的多个采样点中任意相邻的两个采样点的能量差值小于参考能量差值。相应地，步骤(3)的实现方式可以为：将排序之后的多个第二类音频和滤波处理之后的第一处理音频进行合成，得到处理之后的目标音频。

其中，由于第一音频的第一类音频包含多个采样点，因此第一音频中的第一类音频经过增益之后，任意相邻的两个采样点可能发生阶跃现象，即任意相邻两个采样点的能量的差值超过阶跃阈值。而第一处理音频经过滤波之后，可以使得任意相邻的两个采样点的能量的差值都小于或等于阶跃阈值。其中，阶跃阈值即是能量参考值。

其中，对第一处理音频进行滤波的实现方式可以为：将第一处理音频输入到低通滤波器中，由于低通滤波器对相邻采样点之间的能量差值设置有一个阶跃阈值，因此，低通滤波器会对第一处理音频进行滤波。

例如，低通滤波器中允许的任意两个相邻的采样点的阶跃阈值为1，第一音频块中第一类音频包括的3个采样点的初始能量值为(1,2,1)，1和2之间的阶跃值为1，用增益值为2对3个采样点的初始能量值(1,2,1)进行增益之后，3个采样点的能量值由(1,2,1)变为(2,4,2)，此时3个采样点中相邻的采样点的阶跃值为2，当经过低通滤波器之后，低通滤波器输出的第一音频中第一类音频的采样为(2,3,2)，相邻两个采样点的阶跃值又变为1。

其中，低通滤波器可以为IIR(Infinite Impulse Response，无限脉冲响应滤波器)低通滤波器，也可以为FIR(Finite Impulse Response，有限脉冲激响应滤波器)低通滤波器，并且，当低通滤波器为IIR的双二阶低通滤波器时，低通滤波器时具体可以为IIR双二阶低通滤波器中Q值类型的滤波器，Q值取当然，低通滤波器还可以为其他滤波器，本发明实施例在此不做限定。

另外，对第一处理音频进行滤波的低通滤波器可以为获取第一类音频时采用的低通滤波器，当然，也可以为其他的低通滤波器。

可选地，在步骤(1)之后还可以包括：对第一处理音频进行滤波，以使第一处理音频包括的多个采样点中任意相邻的两个采样点的能量差值小于参考能量差值。并且步骤(2)之后还可以包括：在排序之后的多个第二类音频的头部添加参考时长的空白音频，得到第二处理音频。此时，步骤(3)的实现方式可以为：将第二处理音频和滤波处理之后的第一处理音频进行合成，得到处理之后的目标音频。

其中，由于对目标音频进行处理时，使用相互匹配的低通滤波器和高通滤波器获取每个音频块中的第一类音频和第二类音频，因此将处理之后得到的第一处理音频和第二处理音频进行合成，是指将处理之后的第一处理音频和第二处理音频直接线性相加，得到处理之后的目标音频。另外，本发明实施例中其他地方所述的两个音频的合成均是指两个音频的线性相加。

其中，相互匹配的低通滤波器和高通滤波器是指低通滤波器和高通滤波器采用同一类型的滤波器。比如，低通滤波器为IIR低通滤波器，高通滤波器也为IIR高通滤波器。

另外，在本发明实施例中，确定多个音频块中每个音频块中的第二类音频，得到多个第二类音频的实现方式可以为：对于多个音频块中的任一音频块，将该音频块输入到高通滤波器中，经过高通滤波器的作用之后，高通滤波器输出该音频块中的第二类音频。

其中，高通滤波器可以为IIR高通滤波器，也可以为FIR高通滤波器，并且，当高通滤波器为IIR双二阶高通滤波器时，高通滤波器具体可以为IIR双二阶高通滤波器中Q值类型的滤波器，Q值取当然，高通滤波器还可以为其他滤波器，本发明实施例在此不做限定。

在本发明中，通过将目标音频划分为多个音频块，对于多个音频块中的第一音频块，确定针对第一音频块的增益值，然后按照确定的增益值对第一音频块中的第一类音频进行增益。由此可知，在本发明中，对于目标音频中的不同音频块，可以根据每个音频块自身的特点设置针对每个音频块的增益值，而不是预先设置一个固定的增益值，从而降低了目标音频中频率较低的音频增益之后出现破音的可能性，同时也提高了对目标音频中频率较低的音频进行增益的灵活性。

图2是本发明实施例提供的一种对音频进行处理的装置示意图，如图2所示，装置包括：

划分模块201，用于将目标音频划分为多个音频块；

第一确定模块202，用于根据第一音频块中第一类音频的能量和第一音频块的空闲能量，确定针对第一音频块的增益值，第一类音频为频率小于预设频率阈值的音频，第一音频块为多个音频块中的一个音频块；

增益模块203，用于根据确定的增益值对第一音频块中的第一类音频进行增益。

可选地，第一确定模块202包括：

第一确定单元，用于确定第一音频块的空闲能量和第一音频块中第一类音频的能量之间的比值，并将确定的比值作为第一增益值；

第二确定单元，用于根据第一增益值，确定针对第一音频块的增益值。

可选地，第二确定单元用于：

获取用户设置的第二增益值；

将第一增益值和第二增益值中的最小值确定为针对第一音频块的增益值。

可选地，如图3所示，装置还包括：

第二确定模块204，用于确定多个音频块中每个音频块增益之后的第一类音频，得到多个增益之后的第一类音频，按照多个音频块中每个音频块的时间戳，对多个增益之后的第一类音频进行排序，得到第一处理音频；

第三确定模块205，确定多个音频块中每个音频块中的第二类音频，得到多个第二类音频，按照多个音频块中每个音频块的时间戳，对多个第二类音频进行排序，多个第二类音频中任一第二类音频为频率大于或等于预设频率阈值的音频；

第四确定模块206，用于根据第一处理音频和排序之后的多个第二类音频，确定处理之后的目标音频，以使音频放音设备播放处理之后的目标音频。

可选地，装置还包括：

添加模块，用于在排序之后的多个第二类音频的头部添加参考时长的空白音频，得到第二处理音频；

相应地，第四确定模块206，包括：

第一合成单元，用于将第一处理音频和第二处理音频进行合成，得到处理之后的目标音频。

可选地，装置还包括：

滤波模块，用于对第一处理音频进行滤波，以使第一处理音频包括的多个采样点中任意相邻的两个采样点的能量差值小于参考能量差值；

相应地，第四确定模块206包括：

第二合成单元，用于将排序之后的多个第二类音频和滤波处理之后的第一处理音频进行合成，得到处理之后的目标音频。

可选地，装置还包括：

第五确定模块，用于根据目标音频的采样精度，确定目标音频的允许总能量；

第六确定模块，用于根据允许总能量和第一音频块的能量，确定第一音频块的空闲能量。

在本发明中，通过将目标音频划分为多个音频块，对于多个音频块中的第一音频块，确定针对第一音频块的增益值，然后按照确定的增益值对第一音频块中的第一类音频进行增益。由此可知，在本发明中，对于目标音频中的不同音频块，可以根据每个音频块自身的特点设置针对每个音频块的增益值，而不是预先设置一个固定的增益值，从而降低了目标音频中频率较低的音频增益之后出现破音的可能性，同时也提高了对目标音频中频率较低的音频进行增益的灵活性。

需要说明的是：上述实施例提供的对音频进行处理的装置在对音频进行处理时，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，上述实施例提供的对音频进行处理的装置与对音频进行处理的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终端400的结构框图。该终端400可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio LayerIV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端400还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，终端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所执行以实现本发明中方法实施例提供的对音频进行处理的方法。

在一些实施例中，终端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、摄像头组件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：城域网、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，本发明对此不加以限定。

显示屏405用于显示UI(UserInterface，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，设置终端400的前面板；在另一些实施例中，显示屏405可以为至少两个，分别设置在终端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，设置在终端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(LiquidCrystal 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，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。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(VirtualReality，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，分别设置在终端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用于定位终端400的当前地理位置，以实现导航或LBS(LocationBased 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、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。

电源409用于为终端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，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

在一些实施例中，终端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可以检测以终端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可以检测终端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协同采集用户对终端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可以设置在终端400的侧边框和/或触摸显示屏405的下层。当压力传感器413设置在终端400的侧边框时，可以检测用户对终端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可以被设置终端400的正面、背面或侧面。当终端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，通常设置在终端400的前面板。接近传感器416用于采集用户与终端400的正面之间的距离。在一个实施例中，当接近传感器416检测到用户与终端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检测到用户与终端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终端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。

本发明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移动终端的处理器执行时，使得移动终端能够执行上述图1所示实施例提供的对音频进行处理的方法。

本发明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所示实施例提供的对音频进行处理的方法。

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。

综上所述，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 (16)

1.一种对音频进行处理的方法，其特征在于，所述方法包括：

将目标音频划分为多个音频块；

根据第一音频块中第一类音频的能量和所述第一音频块的空闲能量，确定针对所述第一音频块的增益值，所述第一类音频为频率小于预设频率阈值的音频，所述第一音频块为所述多个音频块中的一个音频块；

根据确定的增益值对所述第一音频块中的第一类音频进行增益。

2.如权利要求1所述的方法，其特征在于，所述根据所述第一音频块中第一类音频的能量和所述第一音频块的空闲能量，确定针对所述第一音频块的增益值，包括：

确定所述第一音频块的空闲能量和所述第一音频块中第一类音频的能量之间的比值，并将确定的比值作为第一增益值；

根据所述第一增益值，确定针对所述第一音频块的增益值。

3.如权利要求2所述的方法，其特征在于，所述根据所述第一增益值，确定针对所述第一音频块的增益值，包括：

获取用户设置的第二增益值；

将所述第一增益值和所述第二增益值中的最小值确定为针对所述第一音频块的增益值。

4.如权利要求1至3任一所述的方法，其特征在于，所述根据确定的增益值对所述第一音频块中的第一类音频进行增益之后，还包括：

确定所述多个音频块中每个音频块增益之后的第一类音频，得到多个增益之后的第一类音频，按照所述多个音频块中每个音频块的时间戳，对所述多个增益之后的第一类音频进行排序，得到第一处理音频；

确定所述多个音频块中每个音频块中的第二类音频，得到多个第二类音频，按照所述多个音频块中每个音频块的时间戳，对所述多个第二类音频进行排序，所述多个第二类音频中任一第二类音频为频率大于或等于预设频率阈值的音频；

根据所述第一处理音频和排序之后的多个第二类音频，确定处理之后的目标音频，以使音频放音设备播放所述处理之后的目标音频。

5.如权利要求4所述的方法，其特征在于，所述按照所述多个音频块中每个音频块的时间戳，对所述多个第二类音频进行排序之后，还包括：

在排序之后的多个第二类音频的头部添加参考时长的空白音频，得到第二处理音频；

相应地，所述根据所述第一处理音频和排序之后的多个第二类音频，确定处理之后的目标音频，包括：

将所述第一处理音频和所述第二处理音频进行合成，得到所述处理之后的目标音频。

6.如权利要求4所述的方法，其特征在于，所述按照所述多个音频块中每个音频块的时间戳，对所述多个增益之后的第一类音频进行排序，得到第一处理音频之后，还包括：

对所述第一处理音频进行滤波，以使所述第一处理音频包括的多个采样点中任意相邻的两个采样点的能量差值小于参考能量差值；

相应地，所述根据所述第一处理音频和排序之后的多个第二类音频，确定处理之后的目标音频，包括：

将排序之后的多个第二类音频和滤波处理之后的第一处理音频进行合成，得到所述处理之后的目标音频。

7.如权利要求1至3任一所述的方法，其特征在于，所述根据所述第一音频块中第一类音频的能量和所述第一音频块的空闲能量，确定针对所述第一音频块的增益值之前，还包括：

根据所述目标音频的采样精度，确定所述目标音频的允许总能量；

根据所述允许总能量和所述第一音频块的能量，确定所述第一音频块的空闲能量。

8.一种对音频进行处理的装置，其特征在于，所述装置包括：

划分模块，用于将目标音频划分为多个音频块；

第一确定模块，用于根据第一音频块中第一类音频的能量和所述第一音频块的空闲能量，确定针对所述第一音频块的增益值，所述第一类音频为频率小于预设频率阈值的音频，所述第一音频块为所述多个音频块中的一个音频块；

增益模块，用于根据确定的增益值对所述第一音频块中的第一类音频进行增益。

9.如权利要求8所述的装置，其特征在于，所述第一确定模块包括：

第一确定单元，用于确定所述第一音频块的空闲能量和所述第一音频块中第一类音频的能量之间的比值，并将确定的比值作为第一增益值；

第二确定单元，用于根据所述第一增益值，确定针对所述第一音频块的增益值。

10.如权利要求9所述的装置，其特征在于，所述第二确定单元用于：

获取用户设置的第二增益值；

将所述第一增益值和所述第二增益值中的最小值确定为针对所述第一音频块的增益值。

11.如权利要求8至10任一所述的装置，其特征在于，所述装置还包括：

第二确定模块，用于确定所述多个音频块中每个音频块增益之后的第一类音频，得到多个增益之后的第一类音频，按照所述多个音频块中每个音频块的时间戳，对所述多个增益之后的第一类音频进行排序，得到第一处理音频；

第三确定模块，确定所述多个音频块中每个音频块中的第二类音频，得到多个第二类音频，按照所述多个音频块中每个音频块的时间戳，对所述多个第二类音频进行排序，所述多个第二类音频中任一第二类音频为频率大于或等于预设频率阈值的音频；

第四确定模块，用于根据所述第一处理音频和排序之后的多个第二类音频，确定处理之后的目标音频，以使音频放音设备播放所述处理之后的目标音频。

12.如权利要求11所述的装置，其特征在于，所述装置还包括：

添加模块，用于在排序之后的多个第二类音频的头部添加参考时长的空白音频，得到第二处理音频；

相应地，所述第四确定模块，包括：

第一合成单元，用于将所述第一处理音频和所述第二处理音频进行合成，得到所述处理之后的目标音频。

13.如权利要求11所述的装置，其特征在于，所述装置还包括：

滤波模块，用于对所述第一处理音频进行滤波，以使所述第一处理音频包括的多个采样点中任意相邻的两个采样点的能量差值小于参考能量差值；

相应地，所述第四确定模块包括：

第二合成单元，用于将排序之后的多个第二类音频和滤波处理之后的第一处理音频进行合成，得到所述处理之后的目标音频。

14.如权利要求8至10任一所述的装置，其特征在于，所述装置还包括：

第五确定模块，用于根据所述目标音频的采样精度，确定所述目标音频的允许总能量；

第六确定模块，用于根据所述允许总能量和所述第一音频块的能量，确定所述第一音频块的空闲能量。

15.一种对音频进行处理的装置，其特征在于，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为执行权利要求1至权利要求7的任一项方法的步骤。

16.一种计算机可读存储介质，计算机可读存储介质上存储有指令，指令被处理器执行时实现权利要求1至权利要求7的任一项方法的步骤。