CN110677802B - 用于处理音频的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于处理音频的方法和装置。上述方法的一具体实施方式包括：获取目标位置的信息；基于目标位置的信息，确定目标头相关传递函数；利用目标头相关传递函数对预设音频进行处理，得到目标音频。该实施方式使得处理后得到的目标音频包括目标位置的方位信息，提高了用户的收听效果。

Description

用于处理音频的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于处理音频的方法和装置。

背景技术

随着音频播放技术的不断成熟，人们对音频播放设备的播放效果要求越来越高。为了使用户收听音频时也能体验到逼真的立体环绕音效，音频播放设备采用HRTF(HeadRelated Transfer Function，头相关传递函数)处理技术对待播放的音频数据进行处理。

发明内容

本申请实施例提出了用于处理音频的方法和装置。

第一方面，本申请实施例提供了一种用于处理音频的方法，包括：获取目标位置的信息；基于上述目标位置的信息，确定目标头相关传递函数；利用上述目标头相关传递函数对预设音频进行处理，得到目标音频。

在一些实施例中，上述获取目标位置的信息，包括以下任意一项：根据麦克风阵列中麦克风采集的声源的声音信号定位得到目标位置的信息；确定预先设置的位置信息为目标位置的信息；根据用户终端发送的目的地信息，确定目标位置的信息。

在一些实施例中，上述获取目标位置信息，包括：获取麦克风阵列中的麦克风采集的声音信号；根据所获取的声音信号，确定声源的位置信息；确定声源的位置信息为目标位置的信息。

在一些实施例中，上述根据所获取的声音信号，确定声源的位置，包括：获取麦克风阵列的拓扑参数；在上述麦克风阵列中确定参考麦克风；根据上述参考麦克风采集的参考声音信号与上述麦克风阵列中上述参考麦克风之外的其它麦克风所采集的声音信号之间的时延差以及上述拓扑参数，确定声源的位置。

在一些实施例中，上述基于上述目标位置信息，确定目标头相关传递函数，包括：根据预设的头相关传递函数预测模型以及上述目标位置所处环境的声音反射参数，得到上述目标位置所处环境的预测头相关传递函数，其中，上述头相关传递函数预测模型用于表征声音反射参数与头相关传递函数的对应关系；根据上述预测头相关传递函数以及上述目标位置的信息，确定上述目标头相关传递函数。

在一些实施例中，上述基于上述目标位置的信息，确定目标头相关传递函数，包括：获取上述目标位置所处环境的声音反射参数；根据上述声音反射参数、预设声音反射参数以及预设声音反射参数对应的头相关传递函数，确定上述目标位置所处环境的头相关传递函数；根据上述目标位置所处环境的头相关传递函数以及上述目标位置的信息，确定上述目标头相关传递函数。

在一些实施例中，上述获取上述目标位置所处环境的声音反射参数，包括：播放测试音频以及接收上述测试音频经一次反射后的声音信号；根据所接收的声音信号，确定上述目标位置所处环境的声音反射参数。

在一些实施例中，目标位置所处的环境为声源所处的环境。

在一些实施例中，上述目标头相关传递函数包括左耳头相关传递函数以及右耳头相关传递函数；以及上述利用上述目标头相关传递函数对预设音频进行处理，得到目标音频，包括：对上述预设音频进行解析，确定左声道音频信号和右声道音频信号；将上述左耳头相关传递函数与上述左声道音频信号进行卷积，得到左耳音频；将上述右耳头相关传递函数与上述右声道音频信号进行卷积，得到右耳音频；合成上述左耳音频以及上述右耳音频，得到目标音频。

在一些实施例中，上述头相关传递函数预测模型通过以下步骤训练得到：获取样本数据集合，其中，上述样本数据包括声音反射参数以及上述声音反射参数对应的头相关传递函数；将上述样本数据集合中的样本数据的声音反射参数作为输入，将输入的声音反射参数对应的头相关传递函数作为期望输出，训练得到上述头相关传递函数预测模型。

第二方面，本申请实施例提供了一种用于处理音频的装置，包括：信息获取单元，被配置成获取目标位置的信息；函数确定单元，被配置成基于上述目标位置的信息，确定目标头相关传递函数；音频处理单元，被配置成利用上述目标头相关传递函数对预设音频进行处理，得到目标音频。

在一些实施例中，上述信息获取单元包括以下任意一项：第一获取模块，被配置成根据麦克风阵列中麦克风采集的声源的声音信号定位得到目标位置的信息；第二获取模块，被配置成确定预先设置的位置信息为目标位置的信息；第三获取模块，被配置成根据用户终端发送的目的地信息，确定目标位置的信息。

在一些实施例中，上述信息获取单元包括：信号获取模块，被配置成获取麦克风阵列中的麦克风采集的声音信号；声源位置确定模块，被配置成根据所获取的声音信号，确定声源的位置信息；目标位置确定模块，被配置成模块，被配置成确定声源的位置信息为目标位置的信息。

在一些实施例中，上述声源位置确定模块进一步包括：第一参数获取子模块，被配置成获取麦克风阵列的拓扑参数；参考确定子模块，被配置成在上述麦克风阵列中确定参考麦克风；位置确定子模块，被配置成根据上述参考麦克风采集的参考声音信号与上述麦克风阵列中上述参考麦克风之外的其它麦克风所采集的声音信号之间的时延差以及上述拓扑参数，确定声源的位置。

在一些实施例中，上述函数确定单元进一步包括：第一确定模块，被配置成根据预设的头相关传递函数预测模型以及上述目标位置所处环境的声音反射参数，得到上述目标位置所处环境的预测头相关传递函数，其中，上述头相关传递函数预测模型用于表征声音反射参数与头相关传递函数的对应关系；第二确定模块，被配置成根据上述预测头相关传递函数以及上述目标位置的信息，确定上述目标头相关传递函数。

在一些实施例中，上述函数确定单元进一步包括：第二参数获取模块，被配置成获取上述目标位置所处环境的声音反射参数；第三确定模块，被配置成根据上述声音反射参数、预设声音反射参数以及预设声音反射参数对应的头相关传递函数，确定上述目标位置所处环境的头相关传递函数；第四确定模块，被配置成根据上述目标位置所处环境的头相关传递函数以及上述目标位置的信息，确定上述目标头相关传递函数。

在一些实施例中，上述第二参数获取模块进一步被配置成：播放测试音频以及接收上述测试音频经一次反射后的声音信号；根据所接收的声音信号，确定上述目标位置所处环境的声音反射参数。

在一些实施例中，目标位置所处的环境为声源所处的环境。

在一些实施例中，上述目标头相关传递函数包括左耳头相关传递函数以及右耳头相关传递函数；以及上述音频处理单元包括：音频解析模块，被配置成对上述预设音频进行解析，确定左声道音频信号和右声道音频信号；第一卷积模块，被配置成将上述左耳头相关传递函数与上述左声道音频信号进行卷积，得到左耳音频；第二卷积模块，被配置成将上述右耳头相关传递函数与上述右声道音频信号进行卷积，得到右耳音频；音频合成模块，被配置成合成上述左耳音频以及上述右耳音频，得到目标音频。

在一些实施例中，上述装置还包括模型训练单元，上述模型训练单元包括：样本获取模块，被配置成获取样本数据集合，其中，上述样本数据包括声音反射参数以及上述声音反射参数对应的头相关传递函数；模型训练模块，被配置成将上述样本数据集合中的样本数据的声音反射参数作为输入，将输入的声音反射参数对应的头相关传递函数作为期望输出，训练得到上述头相关传递函数预测模型。

第三方面，本申请实施例提供了一种设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面任一实施例所描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面任一实施例所描述的方法。

本申请的上述实施例提供的用于处理音频的方法和装置，首先获取目标位置的信息。然后，基于目标位置的信息，确定目标头相关传递函数。最后，利用上述目标头相关传递函数对预设音频进行处理，得到目标音频。本实施例的方法，可以使得处理后得到的目标音频包括目标位置的方位信息，提高了用户的收听效果。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于处理音频的方法的一个实施例的流程图；

图3是根据本申请的用于处理音频的方法的一个应用场景的示意图；

图4是根据本申请的用于处理音频的方法的另一个应用场景的示意图；

图5是根据本申请的用于处理音频的方法的另一个实施例的流程图；

图6是根据本申请的用于处理音频的方法中根据线形麦克风阵列所采集的声音信号确定声源位置的示意图；

图7是根据本申请的用于处理音频的方法的又一个应用场景的示意图；

图8是根据本申请的用于处理音频的方法中确定目标头相关传递函数的一个实施例的流程图；

图9是根据本申请的用于处理音频的方法中确定目标头相关传递函数的另一个实施例的流程图；

图10是根据本申请的用于处理音频的装置的一个实施例的结构示意图；

图11是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于处理音频的方法或用于处理音频的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如音频播放类应用、数据处理类应用、游戏类应用、即时通信工具等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、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 Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发送的位置信息提供支持的后台服务器。后台服务器可以对接收到的位置信息等数据进行分析等处理，并将处理结果(例如目标音频)反馈给终端设备。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于处理音频的方法可以由包括终端设备101、102、103执行，也可以由服务器105执行。相应地，用于处理音频的装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。

可以理解的是，当上述用于处理音频的方法由终端设备101、102、103执行时，上述系统架构100可以不包括网络104和服务器105。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于处理音频的方法的一个实施例的流程200。本实施例的用于处理音频的方法，包括以下步骤：

步骤201，获取目标位置的信息。

在本实施例中，用于处理音频的方法的执行主体(例如图1所示的智能音箱102或服务器104)可以通过有线连接方式或者无线连接方式获取目标位置的信息。上述目标位置的信息可以是声源的位置信息、目的地的位置信息。声源的位置信息可以是声源与执行主体的相对位置信息，其可以包括声源与麦克风阵列之间的距离、声源与麦克风阵列所在平面的俯仰角以及声源的方位角。目的地的位置信息可以是目的地的经纬度信息。在实际应用中，用户可以输入目的地的名称，执行主体可以根据上述名称，确定目的地的经纬度信息。

需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

在本实施例的一些可选的实现方式中，上述步骤201可以通过图2中未示出的以下任意一个步骤来实现：根据麦克风阵列中麦克风采集的声源的声音信号定位得到目标位置的信息、确定预先设置的位置信息为目标位置的信息、根据用户终端发送的目的地信息，确定目标位置的信息。

本实现方式中，执行主体可以根据通信连接的麦克风阵列中的各麦克风采集的声源的声音信号定位得到目标位置的信息。此时，目标位置的信息即为声源的位置信息。执行主体还可以将预先设置的位置信息为目标位置的信息。此处，预先设置的信息可以是执行主体中安装的其它应用确定的位置信息。例如，上述位置信息可以是游戏类应用中，对象与对象之间的相对位置信息。执行主体还可以接收用户终端发送的目的地信息，然后根据其中安装的地图类应用，确定目的地的位置信息为目标位置的信息。

步骤202，基于目标位置的信息，确定目标头相关传递函数。

头相关传递函数(Head-Related Transfer Function，HRTF)用于描述声音信号从声源到鼓膜的传播行为。由于人的头、躯干、耳廓等生理特征不相同，这些特征对声音信号的反射和衍射都不同。因此，不同的人具有不同的HRTF。同样，对于麦克风阵列而言，其所处的环境不同，环境对声音的反射不同，麦克风阵列所接收到的声音信号也不同。也就是说，HRTF随着麦克风阵列所处环境的不同而不同。

同时，HRTF随着声源位置的变化而变化。一般情况下，HRTF与声源的俯仰角、方位角以及声源与麦克风阵列的距离相关。当声源位置确定后，执行主体可以将声源的俯仰角值、方位角值以及距离值代入HRTF的表达式，得到目标头相关传递函数。

步骤203，利用目标头相关传递函数对预设音频进行处理，得到目标音频。

利用HRTF对声音信号进行处理，可对声音信号添加空间信息，从而使听者感受到“临场感”。HRTF是一组从声源到听者鼓膜的滤波器。本实施例中，在确定适合声源的目标头相关传递函数后，可以利用目标头相关传递函数对预设音频进行处理，得到目标音频。具体的，执行主体可以将目标头相关传递函数与预设音频的声音信号进行卷积，将卷积后得到的声音信号转化为音频，即得到目标音频。本实施例中，预设音频可以是各种音频，例如可以是执行主体实时获取的音频，或者是机器合成音频(如机器人在对话过程中生成的音频)，也可以是执行主体本地预先存储的音频。

在本实施例的一些可选的实现方式中，目标头相关传递函数包括左耳头相关传递函数和右耳头相关传递函数。上述步骤203可以通过以下步骤来实现：首先，对预设音频进行解析，确定左声道音频信号和右声道音频信号。其次，将左耳头相关传递函数与左声道音频信号进行卷积，得到左耳音频。然后，将右耳头相关传递函数与右声道音频信号进行卷积，得到右耳音频。最后，合成左耳音频以及右耳音频，得到目标音频。

本实现方式中，预设音频可以是包括至少两个声道的立体声音信号。执行主体可以对立体声音信号进行下混合得到左声道音频信号和右声道音频信号。然后，执行主体可以将左耳头相关传递函数与左声道音频信号进行卷积，得到左耳音频。并将右耳头相关传递函数与右声道音频信号进行卷积，得到右耳音频。最后，将左耳音频以及右耳音频合成，得到目标音频。在合成音频时，执行主体可以采用现有的音频处理应用对左耳音频和右耳音频进行合成，此处不再赘述。

继续参见图3，图3示出了根据本实施例的用于处理音频的方法的另一个应用场景的示意图。在图3的应用场景中，用户正在驾驶车辆，车辆上安装有导航系统以及多个安装在不同位置的车载音箱。用户通过在导航系统中输入目的地后，执行主体可以通过行车电脑中安装的地图应用，确定目的地的位置信息，然后将目的地的位置信息作为目标位置的信息。然后根据目标位置的信息，确定目标头相关传递函数。最后，执行主体可以利用上述目标头相关传递函数对导航系统播放的提示语音进行处理，并将处理后的提示语音通过车载音箱播放。这样，用户就可以在驾驶过程中接收到包含目的地的位置信息的语音了。

继续参见图4，图4示出了根据本实施例的用于处理音频的方法的一个应用场景的示意图。在图4的应用场景中，用户通过终端在操作某个游戏应用，该游戏应用中存在多个用户。其中，用户401为当前使用执行主体的用户，用户402为其它使用终端操作该游戏应用的用户。用户402在游戏应用中位于用户401的左后方。执行主体可以通过游戏应用确定用户402相对于用户401的位置信息为目标位置的信息。然后根据上述目标位置的信息，确定目标头相关传递函数。最后，执行主体可以利用上述目标头相关传递函数对用户402发送的语音“前面有人”进行处理。这样，用户401就可以收听到包括用户402的位置信息的语音了。

本申请的上述实施例提供的用于处理音频的方法，首先获取目标位置的信息。然后，基于目标位置的信息，确定目标头相关传递函数。最后，利用上述目标头相关传递函数对预设音频进行处理，得到目标音频。本实施例的方法，可以使得处理后得到的目标音频包括目标位置的信息，提高了用户的收听效果。

继续参见图5，其示出了根据本申请的用于处理音频的方法的另一个实施例的流程500。如图5所示，本实施例的用于处理音频的方法可以通过以下步骤来实现：

步骤501，获取麦克风阵列中的麦克风采集的声音信号。

本实现方式中，用于处理音频的方法的执行主体(例如图1所示的智能音箱102或服务器104)可以通过有线连接方式或者无线连接方式获取麦克风阵列处获取各麦克风采集的声音信号。麦克风阵列，是一组位于空间不同位置的全向麦克风按一定的形状规则布置形成的阵列。其是对空间传播声音信号进行空间采样的一种装置，麦克风阵列采集到的信号包含了声源的空间位置信息。根据声源和麦克风阵列之间距离的远近，可将麦克风阵列分为近场模型和远场模型。根据麦克风阵列的拓扑结构，则可分为线形阵列、圆形阵列、平面阵列、体阵列等。麦克风阵列中的各麦克风也可称为阵元，每个阵元可以将采集到的声音信号转化成电信号发送给执行主体。

步骤502，根据所获取的声音信号，确定声源的位置。

然后，执行主体可以根据麦克风阵列中的各麦克风所采集的声音信号，结合各种算法来确定声源的位置。例如，可采用基于可控波束形成的声源定位算法、基于高分辨率谱估计的声源定位算法、基于到达时间差的声源定位算法。其中，波束形成的基本思想是将各个阵元采集的声音信号进行加权求和，通过调控权值是麦克风阵列的输出信号功率最大。到达时间差是指由于麦克风阵列中的各麦克风与声源的相对位置存在差异，因此，各麦克风接收到声音信号的时刻不同。执行主体可以根据各麦克风接收到声音信号之间的时延以及麦克风阵列的阵元之间相互的几何位置关系来确定声源的位置。声源的位置可以包括声源与麦克风阵列之间的距离、声源与麦克风阵列所在平面的俯仰角以及声源的方位角。

在本实施例的一些可选的实现方式中，执行主体可以首先获取麦克风阵列的拓扑参数。然后在上述麦克风阵列中确定参考麦克风。然后根据参考麦克风采集的参考声音信号与麦克风阵列中参考麦克风之外的其它麦克风所采集的声音信号之间的时延差以及上述拓扑参数，确定声源的位置。

本实现方式中，执行主体可以获取麦克风阵列的拓扑参数，上述拓扑参数可以包括麦克风阵列的拓扑结构(线形阵列、圆形阵列、十字阵列等)、阵元间的距离、拓扑结构的半径等。然后，执行主体可以在麦克风阵列中任意取一个麦克风作为参考麦克风。执行主体也可以将最先接收到声音信号的麦克风作为参考麦克风。或者，执行主体可以将麦克风阵列中位于中心的麦克风作为参考麦克风。最后，执行主体可以计算参考麦克风采集的参考声音信号与其它麦克风采集的声音信号之间的时延差，结合上述拓扑参数，确定声源位置。以线形麦克风阵列为例说明，如图6所示，阵元之间的距离为d，声源信号为远场模型，需确定声源的角度θ₁，θ₁与θ₂互余。已知声源在空气中的传播速度为v，时延为s。则l＝v×s。则θ₂＝arcsin(l/2d)，θ₁＝π/2-θ₂。

步骤503，确定声源的位置信息为目标位置的信息。

执行主体可以将所确定的声源的位置信息作为目标位置的信息。

步骤504，基于目标位置的信息，确定目标头相关传递函数。

步骤505，利用目标头相关传递函数对预设音频进行处理，得到目标音频。

继续参见图7，其示出了根据本申请的用于处理音频的方法的又一个应用场景的示意图。在图7所示的应用场景中，执行主体为智能音箱702，智能音箱702中设有麦克风阵列。用户701对智能音箱702说：“嘿！音箱！播放《虫儿飞》”。智能音箱702的麦克风阵列在接收到上述语音信息后，处于唤醒状态。然后根据所接收到的声音信号，确定用户的位置信息。然后根据上述位置，确定目标头相关传递函数。最后，利用上述目标头相关传递函数对智能音箱702通过语音合成技术或其它音频获取、生成技术产生的回复音频“好的，请稍等”以及《虫儿飞》音频进行处理，将处理后的音频播放。则用户701则可以听到针对其位置的“好的，请稍等”以及《虫儿飞》音频了。

本申请的上述实施例提供的用于处理音频的方法，首先获取麦克风阵列中的麦克风采集的声音信号。然后根据所获取的声音信号，确定声源的位置。然后，基于声源的位置确定目标头相关传递函数。最后，利用上述目标头相关传递函数对预设音频进行处理，得到目标音频。本实施例的方法，可以使得处理后得到的目标音频包括声源的方位信息，提高了用户的收听效果。

继续参见图8，其示出了根据本申请的用于处理音频的方法中确定目标头相关传递函数的一个实施例的流程800。如图8所示，本实施例中，执行主体可以通过以下步骤来确定目标头相关传递函数：

步骤801，播放测试音频以及接收测试音频经一次反射后的声音信号。

本实施例中，执行主体可以首先播放测试音频。上述测试音频可以是任意用于测试的音频。执行主体可以接收上述测试音频经一次反射后的声音信号。当扬声器位于房间内时，其发出的声音信号可以经房间的墙壁或天花板或其它悬挂物反射。位于扬声器旁的拾声设备(如麦克风阵列、传声器、声压感知器、加速度传感器等)可以接收上述反射后的声音信号。可以理解的是，经一次反射的声音信号可能会经墙壁的二次反射，但二次反射的声音信号强度较弱。并且，执行主体接收到二次反射的声音信号的时间要比接收到一次反射的声音信号的时间晚。因此，执行主体可以只根据经一次反射后的声音信号来进行下一步的处理。

需要说明的是，由于房间有多面墙壁，所以执行主体可以接收多个一次反射后的声音信号。具体的，执行主体可以将接收时刻较早的前5个声音信号作为经各墙壁及天花板一次反射的声音信号。

步骤802，根据所接收的声音信号，确定目标位置所处环境的声音反射参数。

执行主体在接收到声音信号后，可以确定目标位置所处环境的声音反射参数。上述声音反射参数可以包括目标位置所处房间的尺寸(长、宽、高)、扬声器在房间中的位置、墙壁对声音的吸收率等。具体的，执行主体可以根据所接收的声音信号的时刻，确定测试音频的声音信号的传输时间。结合声速，可以确定扬声器与墙壁的距离。进一步，执行主体可以根据扬声器与各墙壁的距离，确定音箱在房间内的位置(靠墙放置、在角落、位于房间的中央等)。进一步，执行主体可以根据测试音频在播放时的强度与接收的声音信号的强度，确定墙壁对声音的吸收率。

步骤803，根据预设的头相关传递函数预测模型以及目标位置所处环境的声音反射参数，得到目标位置所处环境的预测头相关传递函数。

执行主体在得到目标位置所处环境的声音反射参数后，可以将上述参数输入预设的头相关传递函数预测模型。上述头相关传递函数预测模型用于表征声音反射参数与头相关传递函数的对应关系。其输出为对所输入的声音反射参数进行预测得到的头相关传递函数，即预测头相关传递函数。具体的，上述头相关传递函数预测模型可以由机器学习算法实现，如神经网络。可以理解的是，上述预测头相关传递函数是适用于当前环境的头相关传递函数。

步骤804，根据预测头相关传递函数以及目标位置的信息，确定目标头相关传递函数。

头相关传递函数预测模型得到的预测头相关传递函数仍然与目标位置的信息相关，随目标位置的改变而改变。执行主体可以将得到的目标位置与麦克风阵列的距离值、俯仰角值以及方向角值代入上述预测头相关传递函数中，得到目标头相关传递函数。

在本实施例的一些可选的实现方式中，上述头相关传递函数预测模型通过图8中未示出的以下步骤训练得到：首先，获取样本数据集合。其中，样本数据包括声音反射参数以及声音反射参数对应的头相关传递函数。将样本数据集合中的样本数据的声音反射参数作为输入，将输入的声音反射参数对应的头相关传递函数作为期望输出，训练得到头相关传递函数预测模型。

本实现方式中，执行主体可以获取样本数据集合。上述样本数据集合中的样本数据包括声音反射参数以及声音反射参数对应的头相关传递函数。在具体实施过程中，技术人员可以通过对人工头或真人进行测试得到。例如在消声室中，使被测对象位于坐标原点，将扬声器设置于一定半径的球面上。通过控制扬声器发声，测量人工头的耳部或人耳接收到的声音信号，通过计算得到头相关传递函数。技术人员可以在不同大小的消声室进行测试，得到声音反射参数与头相关传递函数的对应关系，从而得到样本数据集合。

执行主体可以将样本集合中的样本数据的声音反射参数作为输入，将输入的声音反射参数对应的头相关传递函数作为期望输出，训练得到头相关传递函数预测模型。

本申请的上述实施例提供的用于处理音频的方法，可以根据声音反射参数来预测头相关传递函数，然后结合目标位置的信息，得到目标头相关传递函数。得到的目标头相关传递函数准确性较高，从而能够提高用户的收听体验。

在本实施例的一些可选的实现方式中，上述目标位置所处的环境即为声源所处的环境。

继续参见图9，其示出了根据本申请的用于处理音频的方法中确定目标头相关传递函数的一个实施例的流程900。如图9所示，本实施例中，执行主体可以通过以下步骤来确定目标头相关传递函数：

步骤901，播放测试音频以及接收测试音频经一次反射后的声音信号。

步骤902，根据所接收的声音信号，确定目标位置所处环境的声音反射参数。

步骤901与步骤801的原理相同，步骤902与步骤802的原理相同，此处不再赘述。

步骤903，根据声音反射参数、预设声音反射参数以及预设声音反射参数对应的头相关传递函数，确定目标位置所处环境的头相关传递函数。

本实施例中，执行主体本地可以存储有预设声音反射参数以及预设声音反射参数对应的头相关传递函数。在得到目标位置所处环境的声音反射参数后，可以根据目标位置所处环境的声音反射参数与预设声音反射参数之间的线性关系，调整预设声音反射参数对应的头相关传递函数的参数，得到目标位置所处环境的头相关传递函数。

步骤904，根据目标位置所处环境的头相关传递函数以及目标位置的信息，确定目标头相关传递函数。

本实施例中，在确定目标位置所处环境的头相关传递函数后，执行主体可以将目标位置与麦克风阵列的距离值、俯仰角值以及方向角值代入目标位置所处环境的头相关传递函数，从而得到目标头相关传递函数。

在本实施例的一些可选的实现方式中，执行主体还可以接收用户终端发送的声音反射参数，上述声音反射参数可以包括房间的尺寸(长、宽、高)、扬声器在房间中的位置等。

本申请的上述实施例提供的用于处理音频的方法，可以快速的得到目标头相关传递函数，提高了计算速度。

进一步参考图10，作为对上述各图所示方法的实现，本申请提供了一种用于处理音频的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图10所示，本实施例的用于处理音频的装置1000包括：信息获取单元1001、函数确定单元1002以及音频处理单元1003。

其中，信息获取单元1001，被配置成获取目标位置的信息。

函数确定单元1002，被配置成基于目标位置的信息，确定目标头相关传递函数。

音频处理单元1003，被配置成利用目标头相关传递函数对预设音频进行处理，得到目标音频。

在本实施例的一些可选的实现方式中，上述信息获取单元1001可以进一步包括图10中未示出的第一获取模块、第二获取模块以及第三获取模块中的任意一项。

第一获取模块，被配置成根据麦克风阵列中麦克风采集的声源的声音信号定位得到目标位置的信息。

第二获取模块，被配置成确定预先设置的位置信息为目标位置的信息。

第三获取模块，被配置成根据用户终端发送的目的地信息，确定目标位置的信息。

在本实施例的一些可选的实现方式中，上述信息获取单元1001可以进一步包括图10中未示出的信号获取模块、声源位置确定模块以及目标位置确定模块。

信号获取模块，被配置成获取麦克风阵列中的麦克风采集的声音信号。

声源位置确定模块，被配置成根据所获取的声音信号，确定声源的位置信息。

目标位置确定模块，被配置成模块，被配置成确定声源的位置信息为所述目标位置的信息。

在本实施例的一些可选的实现方式中，上述声源位置确定模块可以进一步包括第一参数获取子模块、参考确定子模块以及位置确定子模块。

第一参数获取子模块，被配置成获取麦克风阵列的拓扑参数。

参考确定子模块，被配置成在麦克风阵列中确定参考麦克风。

位置确定子模块，被配置成根据参考麦克风采集的参考声音信号与麦克风阵列中参考麦克风之外的其它麦克风所采集的声音信号之间的时延差以及拓扑参数，确定声源的位置。

在本实施例的一些可选的实现方式中，上述函数确定单元1002可以进一步包括图10中未示出的第一确定模块以及第二确定模块。

第一确定模块，被配置成根据预设的头相关传递函数预测模型以及目标位置所处环境的声音反射参数，得到目标位置所处环境的预测头相关传递函数。其中，头相关传递函数预测模型用于表征声音反射参数与头相关传递函数的对应关系。

第二确定模块，被配置成根据预测头相关传递函数以及目标位置的信息，确定目标头相关传递函数。

在本实施例的一些可选的实现方式中，上述函数确定单元1002可以进一步包括图10中未示出的第二参数获取模块、第三确定模块以及第四确定模块。

第二参数获取模块，被配置成获取目标位置所处环境的声音反射参数。

第三确定模块，被配置成根据声音反射参数、预设声音反射参数以及预设声音反射参数对应的头相关传递函数，确定目标位置所处环境的头相关传递函数。

第四确定模块，被配置成根据目标位置所处环境的头相关传递函数以及目标位置的信息，确定目标头相关传递函数。

在本实施例的一些可选的实现方式中，上述第二参数获取模块可以进一步被配置成：播放测试音频以及接收测试音频经一次反射后的声音信号；根据所接收的声音信号，确定目标位置所处环境的声音反射参数。

在本实施例的一些可选的实现方式中，目标头相关传递函数包括左耳头相关传递函数以及右耳头相关传递函数。上述音频处理单元1003可以进一步包括图10中未示出的音频解析模块、第一卷积模块、第二卷积模块以及音频合成模块。

音频解析模块，被配置成对预设音频进行解析，确定左声道音频信号和右声道音频信号。

第一卷积模块，被配置成将左耳头相关传递函数与左声道音频信号进行卷积，得到左耳音频。

第二卷积模块，被配置成将右耳头相关传递函数与右声道音频信号进行卷积，得到右耳音频。

音频合成模块，被配置成合成左耳音频以及右耳音频，得到目标音频。

在本实施例的一些可选的实现方式中，上述装置1000还可以进一步包括图10中未示出的模型训练单元。上述模型训练单元包括样本获取模块以及模型训练模块。

样本获取模块，被配置成获取样本数据集合。其中，样本数据包括声音反射参数以及声音反射参数对应的头相关传递函数。

模型训练模块，被配置成将样本数据集合中的样本数据的声音反射参数作为输入，将输入的声音反射参数对应的头相关传递函数作为期望输出，训练得到头相关传递函数预测模型。

本申请的上述实施例提供的用于处理音频的装置，首先获取目标位置的信息。然后，基于目标位置的信息，确定目标头相关传递函数。最后，利用上述目标头相关传递函数对预设音频进行处理，得到目标音频。本实施例的方法，可以使得处理后得到的目标音频包括目标位置的信息，提高了用户的收听效果。

应当理解，用于处理音频的装置1000中记载的单元1001至单元1003分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对用于合成歌声的方法描述的操作和特征同样适用于装置1000及其中包含的单元，在此不再赘述。

下面参考图11，其示出了适于用来实现本申请实施例的服务器的计算机系统1100的结构示意图。图11示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图11所示，计算机系统1100包括中央处理单元(CPU)1101，其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。在RAM 1103中，还存储有系统1100操作所需的各种程序和数据。CPU 1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。

以下部件连接至I/O接口1105：包括键盘、鼠标等的输入部分1106；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1107；包括硬盘等的存储部分1108；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1110上，以便于从其上读出的计算机程序根据需要被安装入存储部分1108。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在机器可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1109从网络上被下载和安装，和/或从可拆卸介质1111被安装。在该计算机程序被中央处理单元(CPU)1101执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括信息获取单元函数确定单元和音频处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，信号获取单元还可以被描述为“获取目标位置的信息的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取目标位置的信息；基于目标位置的信息，确定目标头相关传递函数；利用目标头相关传递函数对预设音频进行处理，得到目标音频。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种用于处理音频的方法，包括：

获取目标位置的信息，包括：根据用户终端发送的目的地信息，确定目标位置的信息；其中，所述目的地信息为根据地图类应用确定的与用户输入的目的地名称对应的目的地的经纬度信息；

基于所述目标位置的信息，确定目标头相关传递函数；

利用所述目标头相关传递函数对预设音频进行处理，得到目标音频；所述预设音频包括导航系统播放的提示语音；

所述基于所述目标位置的信息，确定目标头相关传递函数，包括：

根据预设的头相关传递函数预测模型以及所述目标位置所处环境的声音反射参数，得到所述目标位置所处环境的预测头相关传递函数，其中，所述头相关传递函数预测模型用于表征声音反射参数与头相关传递函数的对应关系；所述声音反射参数通过以下步骤确定：播放测试音频以及接收所述测试音频经一次反射后的声音信号；根据所接收的声音信号，确定所述目标位置所处环境的声音反射参数；

根据所述预测头相关传递函数以及所述目标位置的信息，确定所述目标头相关传递函数，包括：将根据所述目标位置的信息得到的目标位置与麦克风阵列的距离值、俯仰角值以及方向角值代入所述预测头相关传递函数中，得到所述目标头相关传递函数。

2.根据权利要求1所述的方法，其中，所述基于所述目标位置的信息，确定目标头相关传递函数，包括：

获取所述目标位置所处环境的声音反射参数；

根据所述声音反射参数、预设声音反射参数以及预设声音反射参数对应的头相关传递函数，确定所述目标位置所处环境的头相关传递函数；

根据所述目标位置所处环境的头相关传递函数以及所述目标位置的信息，确定所述目标头相关传递函数。

3.根据权利要求1或2所述的方法，其中，所述目标头相关传递函数包括左耳头相关传递函数以及右耳头相关传递函数；以及

所述利用所述目标头相关传递函数对预设音频进行处理，得到目标音频，包括：

对所述预设音频进行解析，确定左声道音频信号和右声道音频信号；

将所述左耳头相关传递函数与所述左声道音频信号进行卷积，得到左耳音频；

将所述右耳头相关传递函数与所述右声道音频信号进行卷积，得到右耳音频；

合成所述左耳音频以及所述右耳音频，得到目标音频。

4.根据权利要求1所述的方法，其中，所述头相关传递函数预测模型通过以下步骤训练得到：

获取样本数据集合，其中，所述样本数据包括声音反射参数以及所述声音反射参数对应的头相关传递函数；

将所述样本数据集合中的样本数据的声音反射参数作为输入，将输入的声音反射参数对应的头相关传递函数作为期望输出，训练得到所述头相关传递函数预测模型。

5.一种用于处理音频的装置，包括：

信息获取单元，被配置成获取目标位置的信息；

函数确定单元，被配置成基于所述目标位置的信息，确定目标头相关传递函数；

音频处理单元，被配置成利用所述目标头相关传递函数对预设音频进行处理，得到目标音频；所述预设音频包括导航系统播放的提示语音；

所述函数确定单元进一步包括：

第一确定模块，被配置成根据预设的头相关传递函数预测模型以及所述目标位置所处环境的声音反射参数，得到所述目标位置所处环境的预测头相关传递函数，其中，所述头相关传递函数预测模型用于表征声音反射参数与头相关传递函数的对应关系；

第二参数获取模块，被配置成播放测试音频以及接收所述测试音频经一次反射后的声音信号；根据所接收的声音信号，确定所述目标位置所处环境的声音反射参数；

第二确定模块，被配置成根据所述预测头相关传递函数以及所述目标位置的信息，确定所述目标头相关传递函数，包括：将根据所述目标位置的信息得到的目标位置与麦克风阵列的距离值、俯仰角值以及方向角值代入所述预测头相关传递函数中，得到所述目标头相关传递函数；

其中，所述信息获取单元包括：

第二获取模块，被配置成根据用户终端发送的目的地信息，确定目标位置的信息；其中，所述目的地信息为根据地图类应用确定的与用户输入的目的地名称对应的目的地的经纬度信息。

6.根据权利要求5所述的装置，其中，

所述第二参数获取模块，进一步被配置成获取所述目标位置所处环境的声音反射参数；

所述函数确定单元进一步包括：

第三确定模块，被配置成根据所述声音反射参数、预设声音反射参数以及预设声音反射参数对应的头相关传递函数，确定所述目标位置所处环境的头相关传递函数；

第四确定模块，被配置成根据所述目标位置所处环境的头相关传递函数以及所述目标位置的信息，确定所述目标头相关传递函数。

7.根据权利要求5或6所述的装置，其中，所述目标头相关传递函数包括左耳头相关传递函数以及右耳头相关传递函数；以及

所述音频处理单元包括：

音频解析模块，被配置成对所述预设音频进行解析，确定左声道音频信号和右声道音频信号；

第一卷积模块，被配置成将所述左耳头相关传递函数与所述左声道音频信号进行卷积，得到左耳音频；

第二卷积模块，被配置成将所述右耳头相关传递函数与所述右声道音频信号进行卷积，得到右耳音频；

音频合成模块，被配置成合成所述左耳音频以及所述右耳音频，得到目标音频。

8.根据权利要求5所述的装置，其中，所述装置还包括模型训练单元，所述模型训练单元包括：

样本获取模块，被配置成获取样本数据集合，其中，所述样本数据包括声音反射参数以及所述声音反射参数对应的头相关传递函数；

模型训练模块，被配置成将所述样本数据集合中的样本数据的声音反射参数作为输入，将输入的声音反射参数对应的头相关传递函数作为期望输出，训练得到所述头相关传递函数预测模型。

9.一种用于处理音频的设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-4中任一所述的方法。

Images