CN109671437A - 一种音频处理方法、音频处理装置及终端设备 - Google Patents
一种音频处理方法、音频处理装置及终端设备 Download PDFInfo
- Publication number
- CN109671437A CN109671437A CN201910021795.7A CN201910021795A CN109671437A CN 109671437 A CN109671437 A CN 109671437A CN 201910021795 A CN201910021795 A CN 201910021795A CN 109671437 A CN109671437 A CN 109671437A
- Authority
- CN
- China
- Prior art keywords
- characteristic information
- terminal device
- default
- user
- voice data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 title claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 20
- 230000001755 vocal effect Effects 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 22
- 230000008569 process Effects 0.000 abstract description 13
- 230000010365 information processing Effects 0.000 abstract description 2
- 230000006996 mental state Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 17
- 230000006854 communication Effects 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 12
- 238000010295 mobile communication Methods 0.000 description 11
- 230000002354 daily effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000010485 coping Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/22—Interactive procedures; Man-machine interfaces
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/003—Changing voice quality, e.g. pitch or formants
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
- H04M1/7243—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages
- H04M1/72433—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages for voice messaging, e.g. dictaphones
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Environmental & Geological Engineering (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Telephone Function (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明适用于信息处理技术领域，提供了一种音频处理方法、音频处理装置及终端设备，所述音频处理方法，包括：当终端设备处于预设模式时，通过所述终端设备接收用户输入的语音数据；获取所述语音数据的特征信息；将所述特征信息与预设特征信息进行比对并获得比对结果；根据所述比对结果调整所述语音数据。通过本发明，可以解决在用户处于嗓子不舒服或者精神状态不佳等状态时，通话的语音不清晰，使得通话过程中的声音品质会受影响的问题。
Description
技术领域
本发明属于信息处理技术领域，尤其涉及一种音频处理方法、音频处理装置及终端设备。
背景技术
在使用如智能手机、智能手表等终端设备的过程中，人们常常会通过移动通信或者通过指定的应用程序来进行视频通话或者语音通话。而当用户处于嗓子不舒服或者精神状态不佳等状态时，通话的语音可能会不清晰，使得通话过程中的声音品质会受影响，用户体验较差。
发明内容
有鉴于此，本发明实施例提供了一种音频处理方法、音频处理装置及终端设备，可以解决在用户处于嗓子不舒服或者精神状态不佳等状态时，通话的语音不清晰，使得通话过程中的声音品质会受影响的问题。
本发明实施例的第一方面提供了一种音频处理方法，包括：
当终端设备处于预设模式时，通过所述终端设备接收用户输入的语音数据；
获取所述语音数据的特征信息；
将所述特征信息与预设特征信息进行比对并获得比对结果；
根据所述比对结果调整所述语音数据。
本发明实施例的第二方面提供了一种音频处理装置，包括：
接收模块，用于当终端设备处于预设模式时，通过所述终端设备接收用户输入的语音数据；
获取模块，用于获取所述语音数据的特征信息；
比对模块，用于将所述特征信息与预设特征信息进行比对并获得比对结果；
调整模块，用于根据所述比对结果调整所述语音数据。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述音频处理方法的步骤。
本发明实施例的第四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存储有计算机程序，所述计算机程序被处理器执行时实现如上所述音频处理方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例中，当终端设备处于预设模式时，通过所述终端设备接收用户输入的语音数据；获取所述语音数据的特征信息；将所述特征信息与预设特征信息进行比对并获得比对结果；根据所述比对结果调整所述语音数据。本发明实施例通过获取所述语音数据的特征信息，并将所述特征信息与预设特征信息进行比对，可以判断用户当前输入的语音数据的特征与预先存储的特征是否匹配，从而判断用户当前输入的语音的特征是否不同于用户正常状态下的语音的特征(如由于用户身体不适而导致当前输入的语音的特征与正常情况下的语音的特征不同)，以使得在确定用户当前输入的语音的特征不同于用户正常状态下的语音的特征时，可以根据所述比对结果调整所述语音数据，从而在用户在处于诸如嗓子不舒服或者精神状态不佳等状态时，提升通话过程中所述终端设备所发送的语音的清晰度，同时依然可以保留用户本身在日常情况下的语音特征。通过本发明实施例可以提升通话过程中的声音品质，提升了用户体验，具有较强的实用性和易用性。
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是本发明实施例一提供的音频处理方法的实现流程示意图；
图2是本发明实施例二提供的音频处理方法的实现流程示意图；
图3是本发明实施例三提供的音频处理装置的示意图；
图4是本发明实施例四提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
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。
图1是本发明实施例一提供的音频处理方法的实现流程示意图，如图1所示该音频处理方法可以包括以下步骤：
步骤S101，当终端设备处于预设模式时，通过所述终端设备接收用户输入的语音数据；
本发明实施例中，可以通过检测终端设备的广播、用户通过物理按键或者终端设备的触控屏等方式输入的指令、监听所述终端设备的操作系统中的预设服务或者功能、或者通过监听指定的应用程序的状态等方式来判断所述终端设备是否处于预设模式。其中，所述广播(Broadcast)可以是Android等操作系统中提供的、在系统中(如应用程序之间)传输信息的机制。所述预设模式可以是用户根据具体应用场景预先设置的，示例性的，所述预设模式可以是通话模式。需要说明的是，所述通话模式可以是视频通话模式或者语音通话模式，并且，所述通话模式可以是通过移动通信(如第一代移动通信技术(1G)、第二代移动通信技术(2G)、第三代移动通信技术(3G)、第四代移动通信技术(4G)、第五代移动通信技术(5G)等通信技术)来进行通话的模式，也可以是通过指定的应用程序(如社交类应用程序)所提供的指定功能来进行通话的模式。
本发明实施例中，所述终端设备可以通过麦克风来接收用户输入的语音数据。
步骤S102，获取所述语音数据的特征信息；
本发明实施例中，获取所述语音数据的特征信息的方式可以有多种。例如，可以通过对所述语音数据进行时域分析、频域分析等方式获取所述语音数据的特征信息，也可以通过机器学习(如通过训练后的神经网络模型)等方式获取所述语音数据的特征信息；此外，还可以通过语音识别来识别所述语音数据中所包含的语句(如字、词、句等)等信息，从而根据所述语句信息对所述语音数据进行分割，并进一步获取分割后的所述语音数据的特征信息。示例性的，所述特征信息可以包括共振峰的数量、位置、能量以及带宽等特征信息中的一种或多种，还可以包括所述语音数据的响度、音高、音长、语音振动变化的周期等等特征的信息中的一种或多种。
需要说明的是，本发明实施例中，所述语音数据的特征信息可以是所述语音数据整体的特征信息，也可以是将所述语音数据根据其字、词、句等方式进行分割后，基于分割后得到的部分语音数据获得的特征信息，所述特征信息可以根据实际使用场景进行确定，在此不作限定。
可选的，所述特征信息包括指示所述用户的语音音色的特征信息，和/或，指示所述用户的语音音调的特征信息。
示例性的，所述指示所述用户的语音音色的特征信息可以包括所述语音数据的响度、音高、音长、语音振动变化的周期以及共振峰的数量、位置、能量以及带宽等特征信息中的一种或多种；所述指示所述用户的语音音调的特征信息可以包括语音的音高、音长等特征的信息。
步骤S103，将所述特征信息与预设特征信息进行比对并获得比对结果；
本发明实施例中，所述预设特征信息可以所述终端设备预先获取的特征信息，并且，所述预设特征信息可以指示所述用户在当前时刻之前、且处于日常状态下的语音的特征。其中，所述日常状态可以指示用户在日常生活中超过预设时长的时间里所呈现的状态。
示例性的，所述预设特征信息的类别可以与所述特征信息的类别一致，并且将每一类别的特征信息与对应的预设特征信息进行比对。例如，可以是将所述特征信息中的音长信息与所述预设特征信息中的音长信息进行比对，将所述特征信息中的共振峰的位置、能量以及带宽等与所述预设特征信息中的共振峰的位置、能量以及带宽等信息进行比对。
本发明实施例中，所述比对结果可以指示接收到的所述语音相对于用户在日常状态下的语音的差异，基于所述差异，可以控制终端设备在后续对所述语音数据进行进一步地处理，以提升所述语音的声音品质。
步骤S104，根据所述比对结果调整所述语音数据。
本发明实施例中，可以根据所述比对结果判断所述特征信息与预设特征信息的差异程度，并在差异程度大于预设条件时，基于所述比对结果对所述语音数据进行调整，从而减小所述差异程度。同时，调整后的所述语音数据依然可以保留用户本身在日常情况下的语音特征。
可选的，所述根据所述比对结果调整所述语音数据包括：
若所述特征信息与预设特征信息的匹配度低于第二预设匹配度，则根据所述比对结果调整所述语音数据，直到调整后的所述语音数据的特征信息与预设特征信息的匹配度不低于第二预设匹配度。
本发明实施例中，所述匹配度可以指示所述特征信息与其对应的所述预设特征信息的相同程度、相似程度或者建立正确映射的程度。所述第二预设匹配度可以是用户预先设置的。
可选的，在将所述特征信息与预设特征进行比对并获得比对结果之前，还包括：
通过所述终端设备，接收用户输入的样本数据；
获取所述样本数据的特征信息，并将所述样本数据的特征信息作为预设特征信息。
本发明实施例中，所述样本数据为所述用户的样本语音数据，所述样本数据可以为在用户处于日常状态下采集到的语音数据。其中，所述日常状态可以指示用户在日常生活中，超过预设时长的时间里所呈现的状态。所述样本数据可以是通过所述终端设备的麦克风采集到的，也可以是所述终端设备通过无线通信(如Wi-Fi连接、蓝牙连接等)或者有线传输(如通过通用串行总线(Universal Serial Bus，USB)接口进行传输)等方式接收到的。
本发明实施例中，获取所述样本数据的特征信息的方式可以有多种。例如，可以通过对所述样本数据进行时域分析、频域分析等方式获取所述样本数据的特征信息，也可以通过机器学习(如通过训练后的神经网络模型)等方式获取所述样本数据的特征信息；此外，还可以通过语音识别来识别所述样本数据中所包含的语句(如字、词、句等)等信息，从而根据所述语句信息对所述样本数据进行分割，并进一步分割后的所述样本数据的特征信息。
需要说明的是，本发明实施例中，可以是在确定所述预设特征信息之后，停止所述样本数据的接收和所述样本数据的特征信息的获取；此外，也可以持续执行对所述样本数据的接收和所述样本数据的特征信息的获取，并且可以以预设周期更新所述预设特征信息，从而可以使得所述预设特征信息准确度不断提升，并且可以随着用户自身的语音特征的不断变化而自动检测和更新所述预设特征信息，提升了获取效率。
可选的，在获取所述样本数据的特征信息作为预设特征信息之后，还包括：
基于所述预设特征信息以及所述预设特征信息所对应的用户信息，建立数据库；
将所述数据库存储至所述终端设备本地和/或预设云服务器中。
本发明实施例中，所述用户信息可以包括声纹信息、用户身份标识(Identity，ID)、密码、终端设备的唯一标识码等信息。
本发明实施例通过获取所述语音数据的特征信息，并将所述特征信息与预设特征信息进行比对，可以判断用户当前输入的语音数据的特征与预先存储的特征是否匹配，从而判断用户当前输入的语音的特征是否不同于用户正常状态下的语音的特征(如由于用户身体不适而导致当前输入的语音的特征与正常情况下的语音的特征不同)，以使得在确定用户当前输入的语音的特征不同于用户正常状态下的语音的特征时，可以根据所述比对结果调整所述语音数据，从而在用户在处于诸如嗓子不舒服或者精神状态不佳等状态时，提升通话过程中所述终端设备所发送的语音的清晰度，同时依然可以保留用户本身在日常情况下的语音特征。通过本发明实施例可以提升通话过程中的声音品质，提升了用户体验，具有较强的实用性和易用性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图2是本发明实施例二提供的音频处理方法的实现流程示意图，如图2所示该音频处理方法可以包括以下步骤：
步骤S201，判断所述终端设备是否处于通话模式；
本发明实施例中，所述通话模式可以是视频通话模式或者语音通话模式，并且，所述通话模式可以是通过移动通信(如第一代移动通信技术(1G)、第二代移动通信技术(2G)、第三代移动通信技术(3G)、第四代移动通信技术(4G)、第五代移动通信技术(5G)等通信技术)来进行通话的模式，也可以是通过指定的应用程序(如社交类应用程序)所提供的指定功能来进行通话的模式。示例性的，可以通过检测终端设备的广播、用户通过物理按键或者终端设备的触控屏等方式输入的指令、监听所述终端设备的操作系统中的预设服务或者功能、或者通过监听指定的应用程序的状态等方式来判断所述终端设备是否处于通话模式。
步骤S202，若所述终端设备处于通话模式，则确定所述终端设备处于预设模式；
可选的，所述若所述终端设备处于通话模式，则确定所述终端设备处于预设模式包括：
若所述终端设备处于通话模式，则通过所述终端设备接收用户输入的目标语音数据；
获取所述目标语音数据的声纹信息，并将所述目标语音数据的声纹信息与预设声纹信息进行比对，以判断所述声纹信息与所述预设声纹信息的匹配度是否高于第一预设匹配度；
若通过所述比对，确定所述声纹信息与所述预设声纹信息的匹配度高于第一预设匹配度，则确定所述终端设备处于预设模式。
其中，声纹(Voiceprint)信息可以是用电声学仪器显示的携带言语信息的声波频谱。通常来说，声纹不仅具有特定性，而且有相对稳定性的特点，人的声音可保持长期相对稳定不变。
本发明实施例中，所述预设声纹信息可以是预先获取的目标用户的声纹信息，所述预设声纹信息可以包括至少一组声纹及其对应的目标用户的信息。在通话模式下，通过将所述目标语音数据的声纹信息与预设声纹信息进行比对，可以确定输入所述目标语音数据的用户是否为目标用户。
需要说明的是，本发明实施例中，所述目标语音数据可以是在通话模式下用户输入的语音数据，所述目标语音数据与步骤S203中所述的语音数据可以相同，也可以不同，或者，所述目标语音数据为所述语音数据的一部分等等。并且，所述预设声纹信息所对应的目标用户与步骤S205中所述预设特征信息所对应的目标用户可以相同。因此，通过所述声纹信息的比对，可以确定所述用户是否为目标用户，从而可以在后续准确地选择对应的预设特征信息来进行比对，从而避免了由于终端设备的使用者改变而导致后续对语音数据的特性信息的比对出现错误。
步骤S203，当终端设备处于预设模式时，通过所述终端设备接收用户输入的语音数据；
步骤S204，获取所述语音数据的特征信息；
步骤S205，将所述特征信息与预设特征信息进行比对并获得比对结果；
步骤S206，根据所述比对结果调整所述语音数据。
本实施例步骤S203、S204、S205、S206与上述步骤S101、S102、S103、S104相同，具体可参见步骤S101、S102、S103、S104相关描述，在此不再赘述。
本发明实施例通过判断所述终端设备是否处于通话模式，并在所述终端设备处于通话模式时，确定所述终端设备处于预设模式，可以在确定当前的应用场景为用户处于通话状态时，再执行后续的操作，避免了在日常使用中，所述终端设备的麦克风接收其他语音数据时均进行该音频处理。通过本发明实施例，可以有针对性地对所述用户输入的语音数据进行优化处理，使得通话过程中其他终端设备接收到的声音品质得到提升。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图3是本发明实施例三提供的音频处理装置的示意图。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300包括：
接收模块301，用于当终端设备处于预设模式时，通过所述终端设备接收用户输入的语音数据；
获取模块302，用于获取所述语音数据的特征信息；
比对模块303，用于将所述特征信息与预设特征信息进行比对并获得比对结果；
调整模块304，用于根据所述比对结果调整所述语音数据。
可选的，所述音频处理装置300还包括：
样本接收模块，用于通过所述终端设备，接收用户输入的样本数据；
处理模块，用于获取所述样本数据的特征信息，并将所述样本数据的特征信息作为预设特征信息。
可选的，所述音频处理装置300还包括：
建立模块，用于基于所述预设特征信息以及所述预设特征信息所对应的用户信息，建立数据库；
存储模块，用于将所述数据库存储至所述终端设备本地和/或预设云服务器中。
可选的，所述音频处理装置300还包括：
第二判断模块，用于判断所述终端设备是否处于通话模式；
确定模块，用于若所述终端设备处于通话模式，则确定所述终端设备处于预设模式。
可选的，所述确定模块具体包括：
接收单元，用于若所述终端设备处于通话模式，则通过所述终端设备接收用户输入的目标语音数据；
比对单元，用于获取所述目标语音数据的声纹信息，并将所述目标语音数据的声纹信息与预设声纹信息进行比对，以判断所述声纹信息与所述预设声纹信息的匹配度是否高于第一预设匹配度；
确定单元，用于若通过所述比对，确定所述声纹信息与所述预设声纹信息的匹配度高于第一预设匹配度，则确定所述终端设备处于预设模式。
可选的，所述特征信息包括指示所述用户的语音音色的特征信息，和/或，指示所述用户的语音音调的特征信息。
可选的，所述调整模块304具体用于：
若所述特征信息与预设特征信息的匹配度低于第二预设匹配度，则根据所述比对结果调整所述语音数据，直到调整后的所述语音数据的特征信息与预设特征信息的匹配度不低于第二预设匹配度。
本发明实施例通过获取所述语音数据的特征信息，并将所述特征信息与预设特征信息进行比对，可以判断用户当前输入的语音数据的特征与预先存储的特征是否匹配，从而判断用户当前输入的语音的特征是否不同于用户正常状态下的语音的特征(如由于用户身体不适而导致当前输入的语音的特征与正常情况下的语音的特征不同)，以使得在确定用户当前输入的语音的特征不同于用户正常状态下的语音的特征时，可以根据所述比对结果调整所述语音数据，从而在用户在处于诸如嗓子不舒服或者精神状态不佳等状态时，提升通话过程中所述终端设备所发送的语音的清晰度，同时依然可以保留用户本身在日常情况下的语音特征。通过本发明实施例可以提升通话过程中的声音品质，提升了用户体验，具有较强的实用性和易用性。
图4是本发明实施例四提供的终端设备的示意图。如图4所示，该实施例的终端设备4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个音频处理方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块301至304的功能。
示例性的，所述计算机程序42可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器40执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序42在所述终端设备4中的执行过程。例如，所述计算机程序42可以被分割成接收模块、获取模块、比对模块、调整模块，各模块具体功能如下：
接收模块，用于当终端设备处于预设模式时，通过所述终端设备接收用户输入的语音数据；
获取模块，用于获取所述语音数据的特征信息；
比对模块，用于将所述特征信息与预设特征信息进行比对并获得比对结果；
调整模块，用于根据所述比对结果调整所述语音数据。
所述终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端设备4的示例，并不构成对终端设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端设备4的内部存储单元，例如终端设备4的硬盘或内存。所述存储器41也可以是所述终端设备4的外部存储设备，例如所述终端设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、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单元、模块完成，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、模块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、模块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。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个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。
所述集成的模块/单元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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
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各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种音频处理方法，其特征在于，包括：
当终端设备处于预设模式时，通过所述终端设备接收用户输入的语音数据；
获取所述语音数据的特征信息；
将所述特征信息与预设特征信息进行比对并获得比对结果；
根据所述比对结果调整所述语音数据。
2.如权利要求1所述的音频处理方法，其特征在于，在将所述特征信息与预设特征进行比对并获得比对结果之前，还包括：
通过所述终端设备，接收用户输入的样本数据；
获取所述样本数据的特征信息，并将所述样本数据的特征信息作为预设特征信息。
3.如权利要求2所述的音频处理方法，其特征在于，在获取所述样本数据的特征信息作为预设特征信息之后，还包括：
基于所述预设特征信息以及所述预设特征信息所对应的用户信息，建立数据库；
将所述数据库存储至所述终端设备本地和/或预设云服务器中。
4.如权利要求1所述的音频处理方法，其特征在于，判断所述终端设备是否处于预设模式包括：
判断所述终端设备是否处于通话模式；
若所述终端设备处于通话模式，则确定所述终端设备处于预设模式。
5.如权利要求4所述的音频处理方法，其特征在于，所述若所述终端设备处于通话模式，则确定所述终端设备处于预设模式包括：
若所述终端设备处于通话模式，则通过所述终端设备接收用户输入的目标语音数据；
获取所述目标语音数据的声纹信息，并将所述目标语音数据的声纹信息与预设声纹信息进行比对，以判断所述声纹信息与所述预设声纹信息的匹配度是否高于第一预设匹配度；
若通过所述比对，确定所述声纹信息与所述预设声纹信息的匹配度高于第一预设匹配度，则确定所述终端设备处于预设模式。
6.如权利要求1所述的音频处理方法，其特征在于，所述特征信息包括指示所述用户的语音音色的特征信息，和/或，指示所述用户的语音音调的特征信息。
7.如权利要求1至6任意一项所述的音频处理方法，其特征在于，所述根据所述比对结果调整所述语音数据包括：
若所述特征信息与预设特征信息的匹配度低于第二预设匹配度，则根据所述比对结果调整所述语音数据，直到调整后的所述语音数据的特征信息与预设特征信息的匹配度不低于第二预设匹配度。
8.一种音频处理装置，其特征在于，包括：
接收模块，用于当终端设备处于预设模式时，通过所述终端设备接收用户输入的语音数据；
获取模块，用于获取所述语音数据的特征信息；
比对模块，用于将所述特征信息与预设特征信息进行比对并获得比对结果；
调整模块，用于根据所述比对结果调整所述语音数据。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述音频处理方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述音频处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910021795.7A CN109671437B (zh) | 2019-01-10 | 2019-01-10 | 一种音频处理方法、音频处理装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910021795.7A CN109671437B (zh) | 2019-01-10 | 2019-01-10 | 一种音频处理方法、音频处理装置及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109671437A true CN109671437A (zh) | 2019-04-23 |
| CN109671437B CN109671437B (zh) | 2021-04-13 |
Family
ID=66149342
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910021795.7A Active CN109671437B (zh) | 2019-01-10 | 2019-01-10 | 一种音频处理方法、音频处理装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109671437B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112399004A (zh) * | 2019-08-14 | 2021-02-23 | 原相科技股份有限公司 | 声音输出的调整方法及执行该调整方法的电子装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11271181A (ja) * | 1998-01-22 | 1999-10-05 | Nippon Steel Corp | ころがり軸受の異常診断方法および装置 |
| CN101527141A (zh) * | 2009-03-10 | 2009-09-09 | 苏州大学 | 基于径向基神经网络的耳语音转换为正常语音的方法 |
| CN107342076A (zh) * | 2017-07-11 | 2017-11-10 | 华南理工大学 | 一种兼容非常态语音的智能家居控制系统及方法 |
| CN109120790A (zh) * | 2018-08-30 | 2019-01-01 | Oppo广东移动通信有限公司 | 通话控制方法、装置、存储介质及穿戴式设备 |
-
2019
- 2019-01-10 CN CN201910021795.7A patent/CN109671437B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11271181A (ja) * | 1998-01-22 | 1999-10-05 | Nippon Steel Corp | ころがり軸受の異常診断方法および装置 |
| CN101527141A (zh) * | 2009-03-10 | 2009-09-09 | 苏州大学 | 基于径向基神经网络的耳语音转换为正常语音的方法 |
| CN107342076A (zh) * | 2017-07-11 | 2017-11-10 | 华南理工大学 | 一种兼容非常态语音的智能家居控制系统及方法 |
| CN109120790A (zh) * | 2018-08-30 | 2019-01-01 | Oppo广东移动通信有限公司 | 通话控制方法、装置、存储介质及穿戴式设备 |
Non-Patent Citations (1)
| Title |
|---|
| 韩纪庆，张磊，郑铁然: "《语音信号处理》", 30 April 2013, 清华大学出版社 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112399004A (zh) * | 2019-08-14 | 2021-02-23 | 原相科技股份有限公司 | 声音输出的调整方法及执行该调整方法的电子装置 |
| CN112399004B (zh) * | 2019-08-14 | 2024-05-24 | 达发科技股份有限公司 | 声音输出的调整方法及执行该调整方法的电子装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109671437B (zh) | 2021-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110288978B (zh) | 一种语音识别模型训练方法及装置 | |
| US9607619B2 (en) | Voice identification method and apparatus | |
| CN109087669B (zh) | 音频相似度检测方法、装置、存储介质及计算机设备 | |
| CN110265040A (zh) | 声纹模型的训练方法、装置、存储介质及电子设备 | |
| CN106782615B (zh) | 语音数据情感检测方法和装置及系统 | |
| CN108428446A (zh) | 语音识别方法和装置 | |
| CN108735209A (zh) | 唤醒词绑定方法、智能设备及存储介质 | |
| CN109147818A (zh) | 声学特征提取方法、装置、存储介质及终端设备 | |
| CN105427855A (zh) | 一种智能软件的语音播报系统及语音播报方法 | |
| CN110782962A (zh) | 听力语言康复装置、方法、电子设备及存储介质 | |
| US10783884B2 (en) | Electronic device-awakening method and apparatus, device and computer-readable storage medium | |
| CN110147936A (zh) | 基于情绪识别的服务评价方法、装置、存储介质 | |
| CN109146496A (zh) | 一种支付方法、装置及可穿戴设备 | |
| CN110246507A (zh) | 一种语音的识别方法和装置 | |
| CN107967333A (zh) | 语音搜索方法、语音搜索装置及电子设备 | |
| CN108681871B (zh) | 一种提示信息的方法、终端设备及计算机可读存储介质 | |
| CN110570850A (zh) | 语音控制方法、装置、计算机设备和存储介质 | |
| CN108962231A (zh) | 一种语音分类方法、装置、服务器及存储介质 | |
| CN110335596A (zh) | 基于语音识别的产品推荐方法、装置、设备和存储介质 | |
| CN110992963A (zh) | 网络通话方法、装置、计算机设备及存储介质 | |
| CN108962243A (zh) | 到站提醒方法及装置、移动终端及计算机可读存储介质 | |
| CN113033245A (zh) | 一种功能调节方法、装置、存储介质及电子设备 | |
| CN112420049A (zh) | 数据处理方法、装置及存储介质 | |
| CN108053826A (zh) | 用于人机交互的方法、装置、电子设备及存储介质 | |
| CN109671437A (zh) | 一种音频处理方法、音频处理装置及终端设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |