CN111048107B - 音频处理方法和装置 - Google Patents

Abstract

本发明的实施例公开了音频处理方法和装置。该方法的一具体实施方式包括：获取待处理音频；提取待处理音频的频域特性和音调特性，得到频域特性数据和音调特性数据，频域特性数据包括频谱或频谱中心点；基于频域特性数据，对待处理音频进行均衡处理，得到均衡处理后的音频；基于音调特性数据，对均衡处理后的音频进行混响处理。该实施方式实现了更具针对性的混响处理和均衡处理。

Description

音频处理方法和装置

技术领域

本发明的实施例涉及计算机技术领域，具体涉及音频处理方法和装置。

背景技术

随着电子设备的普及，人们对电子设备的智能化、人性化的要求也越来越高。以手机为代表的携式电子终端的使用普及度越来越高，多媒体功能是用户使用最多的应用之一。

发明内容

本发明的实施例提出了音频处理方法和装置。

第一方面，本发明的实施例提供了一种音频处理方法，该方法包括：获取待处理音频；提取待处理音频的频域特性和音调特性，得到频域特性数据和音调特性数据，频域特性数据包括频谱或频谱中心点；基于频域特性数据，对待处理音频进行均衡处理，得到均衡处理后的音频；基于音调特性数据，对均衡处理后的音频进行混响处理。

在一些实施例中，频域特性数据中包括待处理音频的频谱；以及基于频域特性数据，对待处理音频进行均衡处理，包括：响应于确定频谱中两个频率点的能量差大于预设的第一能量差阈值，减小待处理音频中两个频率点所在频带的增益；响应于确定频谱中两个频率点的能量差小于预设的第二能量差阈值，增大待处理音频中两个频率点所在频带的增益。

在一些实施例中，频域特性数据中包括频谱中心点；以及基于频域特性数据，对待处理音频进行均衡处理，包括：基于频谱中心点，对待处理音频进行均衡处理。

在一些实施例中，在获取待处理音频之后，该方法还包括：确定处理音频的响度。

第二方面，本发明的实施例提供了一种音频处理装置，该装置包括：音频获取单元，被配置成获取待处理音频；第一提取单元，被配置成提取待处理音频的频域特性和音调特性，得到频域特性数据和音调特性数据，频域特性数据包括频谱或频谱中心点；均衡处理单元，被配置成基于频域特性数据，对待处理音频进行均衡处理，得到均衡处理后的音频；混响处理单元，被配置成基于音调特性数据，对待处理音频进行混响处理。

在一些实施例中，频域特性数据中包括待处理音频的频谱；以及均衡处理单元被进一步配置成：响应于确定频谱中两个频率点的能量差大于预设的第一能量差阈值，减小待处理音频中两个频率点所在频带的增益；响应于确定频谱中两个频率点的能量差小于预设的第二能量差阈值，增大待处理音频中两个频率点所在频带的增益。

在一些实施例中，频域特性数据中包括频谱中心点；以及均衡处理单元被进一步配置成：基于频谱中心点，对待处理音频进行均衡处理。

在一些实施例中，该装置还包括：响度确定单元，被配置成确定处理音频的响度。

本发明的实施例提供的方法和装置，首先可以提取获取的待处理音频的频域特性和音调特性，从而得到频域特性数据和音调特性数据。在此基础上，可以基于频域特性数据，对待处理音频进行均衡处理。之后，可以基于音调特性数据，对均衡处理后的音频进行混响处理。由于不同音频的频域特性和音调特性不同，从而使混响处理和均衡处理更具针对性。

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，本发明的其它特征、目的和优点将会变得更明显：

图1是本发明的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本发明的音频处理方法的一个实施例的流程图；

图3是根据本发明的实施例的音频处理方法的一个应用场景的示意图；

图4是根据本发明的音频处理方法的又一个实施例的流程图；

图5是根据本发明的音频处理装置的一个实施例的结构示意图；

图6是适于用来实现本发明的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明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公开，而非对该公开的限定。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公开相关的部分。

需要说明的是，在不冲突的情况下，本发明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发明。

图1示出了可以应用本发明的实施例的音频处理方法或装置的示例性系统架构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，例如唱歌类应用、视频录制分享类应用、音频处理类应用等。

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，可以是具有显示屏并且支持音频处理的各种电子设备。当终端设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，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上安装的应用提供支持的后台服务器。

需要说明的是，本发明的实施例所提供的音频处理方法一般由终端设备101、102、103执行。相应的，音频处理装置一般设置于终端设备101、102、103中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，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。

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，示出了根据本发明的音频处理方法的一个实施例的流程200。该音频处理方法包括：

步骤201，获取待处理音频。

在本实施例中，音频处理方法的执行主体(例如图1所示的终端设备101、102、103)可以通过各种方式获取待处理音频。例如，上述执行主体可以通过录音设备录制用户演唱的声音，得到待处理音频。其中，录音设备可以集成于上述执行主体上，也可以与执行主体通信连接，本发明对此不做限制。又如，上述执行主体也可以从本地或通信连接的其他存储设备中获取预先存储的音频作为待处理音频。

在本实施例中，待处理音频可以是任意的音频。待处理音频可以是由技术人员指定，也可以根据一定的条件进行筛选得到。例如，用户通过终端设备(例如，智能手机)录制演唱的音频时，待处理音频可以是用户演唱的完整的音频，也可以是用户演唱的一个音频片段。在实时监听的场景下，待处理音频也可以是用户演唱的时间较短(例如30毫秒)的一个音频片段。

步骤202，提取待处理音频的频域特性和音调特性，得到频域特性数据和音调特性数据。

在本实施例中，上述执行主体可以将待处理音频从时域变换到频域。在此基础上，提取待处理音频的频域特性，得到频域特性数据。其中，频域特性数据包括频域特性数据包括频谱或频谱中心点。实践中，通过上述执行主体可以一些音频处理软件，提取待处理音频的频域特性和音调特性数据。也可以根据一些特性提取算法，得到频域特性数据和音调特性数据。

在本实施例中，上述执行主体可以提取待处理音频的音调特性，得到音调特性数据。实践中，随着待处理音频的不同，其音调特性数据也不相同。尤其是当待处理音频为录制的用户演唱时的音频。其中，音调特性数据可以是与音调相关的数据。作为示例，可以是整个待处理音频的某个频带在整个频谱中的占比情况。作为示例，当待处理音频包括伴奏声和人声时，可以确定人声与对应的伴奏的音调差作为音调特性数据。

步骤203，基于频域特性数据，对待处理音频进行均衡处理，得到均衡处理后的音频。

在本实施例中，上述执行主体可以基于频域特性数据，对待处理音频进行均衡处理，得到均衡处理后的音频。作为示例，可以预先建立存储有频域特性数据与均衡参数的对应关系表。从而上述执行主体可以在对应关系表中查询上述频域特性数据，从而得到对应的均衡处理参数。在此基础上，可以基于对应的均衡处理参数，通过各种滤波器，对待处理音频进行均衡处理，得到均衡处理后的音频。作为示例，上述执行主体可以根据预先设定的处理逻辑，根据频域特性数据选取对应的处理逻辑，并对待处理音频进行均衡处理，得到均衡处理后的音频。

在本实施例的一些可选的实现方式中，基于频域特性数据，对待处理音频进行均衡处理，包括：响应于确定频谱中两个频率点的能量差大于预设的第一能量差阈值，减小待处理音频中两个频率点所在频带的增益；响应于确定频谱中两个频率点的能量差小于预设的第二能量差阈值，增大待处理音频中两个频率点所在频带的增益。从而可以实现对于待处理音频的精细调节。

在本实施例的一些可选的实现方式中，频域特性数据中包括频谱中心点；以及基于频域特性数据，对待处理音频进行均衡处理，包括：基于频谱中心点，对待处理音频进行均衡处理。

在这些实现方式中，可以预先建立存储有频谱中心点与均衡参数的对应关系表。从而，上述执行主体可以在上述对应关系表中查询与频域特性数据中包括频谱中心点对应的均衡参数。从而根据查询得到的均衡参数对待处理音频进行处理。具体来说，可以通过现有的各种均衡器，并将查询得到的均衡参数输入均衡器。从而对待处理音频进行均衡处理。

步骤204，基于音调特性数据，对均衡处理后的音频进行混响处理。

在本实施例中，上述执行主体可以根据音调特性数据，对均衡处理后的音频进行混响处理。以音调特性数据是整个待处理音频的某个频带在整个频谱中的占比情况为例。根据占比情况的不同，可以将音频分为不同的类别，例如：高音音频、低音音频、中音音频。在此基础上，可以设定针对不同的类别的音频与混响处理参数或者处理逻辑的对应关系。以音调特性数据为人声与对应的伴奏的音调差为例。通过预先建立的音调差与混响处理参数或者处理逻辑的对应关系。从而上述执行主体可以通过待处理音频的音调特性数据，确定与之对应的混响处理参数或者处理逻辑，从而对待处理音频进行混响处理。

继续参见图3，图3是根据本实施例的音频处理方法的应用场景的一个示意图。在图3的应用场景中，音频处理方法的执行主体可以是智能手机301。智能手机301可以首先获取待处理音频3011。之后，智能手机301可以提取待处理音频的频域特性和音调特性，得到频域特性数据3012和音调特性数据3013。在此基础上，基于频域特性数据 3012，对待处理音频3011进行均衡处理，得到均衡处理后的音频3011'。基于音调特性数据3013，对均衡处理后的音频3011'进行混响处理。

本发明的上述实施例提供的方法，首先可以提取获取的待处理音频的频域特性和音调特性，从而得到频域特性数据和音调特性数据。在此基础上，可以基于频域特性数据，对待处理音频进行均衡处理。之后，可以基于音调特性数据，对均衡处理后的音频进行混响处理。由于不同音频的频域特性和音调特性不同，从而使混响处理和均衡处理更具针对性。

进一步参考图4，其示出了音频处理方法的又一个实施例的流程 400。该音频处理方法的流程400，包括以下步骤：

步骤401，获取待处理音频。

步骤402，提取待处理音频的频域特性和音调特性，得到频域特性数据和音调特性数据。

步骤403，基于频域特性数据，对待处理音频进行均衡处理，得到均衡处理后的音频；

步骤404，基于音调特性数据，对均衡处理后的音频进行混响处理。

在本实施例中，步骤401-404的具体实现及其所带来的技术效果可以参考图2对应的实施例中的步骤201-204，在此不再赘述。

步骤405，确定待处理音频的响度。

在本实施例中，上述执行主体可以通过多种方式确定待处理音频的响度。

作为示例，可以通过一些响度算法，确定待处理音频的响度。例如，基于倍频程或1/3倍频程的响度算法。

作为示例，可以通过一些现有的响度模型，得到待处理音频的响度。现有的响度模型包括但不限于：Moore响度模型、Zwicker响度模型等等。其中，Zwicker响度模型是一种基于激励模式的多频带响度计算模型，能够模拟人耳的听觉产生机理。根据人耳产生听觉的机理，耳蜗基底膜可被类比为一组带宽重叠的带通滤波器，称为特征频带。在外部激励的作用下，每个特征频带上会产生对应的激励强度，称为“激励模式”。根据激励强度，可以得到与激励强度成比例关系的特征响度，对特征响度积分，可以得到子带的响度。Moore响度模型是在Zwicker 响度模型的基础上改进的响度模型，与Zwicker响度模型相比，Moore 响度模型适用于各种稳态噪声信号，频率分辨率较高。从图4中可以看出，与图2对应的实施例相比，本实施例中的音频处理方法增加了确定待处理音频的响度的步骤。实践中，由于待处理音频在进行各种处理后，其响度往往会发生变化。因此，确定待处理音频的响度为响度比较和调整奠定了基础。

进一步参考图5，作为对上述各图所示方法的实现，本发明提供了一种音频处理装置，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5所示，本实施例的音频处理装置500包括：音频获取单元 501、第一提取单元502、均衡处理单元503和混响处理单元504。其中，音频获取单元501被配置成获取待处理音频。第一提取单元502被配置成提取待处理音频的频域特性，得到频域特性数据。处理单元503被配置成基于频域特性数据，对待处理音频进行均衡处理。混响处理单元504 被配置成基于音调特性数据，对待处理音频进行混响处理。

在本实施例中，音频处理装置500中的音频获取单元501、第一提取单元502、处理单元503和混响处理单元504的具体处理及其所带来的技术效果可以参考图2对应的实施例中的步骤201-204，在此不再赘述。

在本实施例的一些可选的实现方式中，频域特性数据中可以包括待处理音频的频谱；以及均衡处理单元503被进一步配置成：响应于确定频谱中两个频率点的能量差大于预设的第一能量差阈值，减小待处理音频中两个频率点所在频带的增益；响应于确定频谱中两个频率点的能量差小于预设的第二能量差阈值，增大待处理音频中两个频率点所在频带的增益。

在本实施例的一些可选的实现方式中，频域特性数据中可以包括频谱中心点；以及均衡处理单元503被进一步配置成：基于频谱中心点，对待处理音频进行均衡处理。

在本实施例的一些可选的实现方式中，装置500还可以包括：响度确定单元(图中未示出)。响度确定单元被配置成确定处理音频的响度。

在本实施例中，首先第一提取单元502可以提取获取的待处理音频的频域特性和音调特性，从而得到频域特性数据和音调特性数据。在此基础上，均衡处理单元503可以基于频域特性数据，对待处理音频进行均衡处理。混响处理单元504被配置成基于音调特性数据，对均衡处理后的音频进行混响处理。由于不同音频的频域特性和音调特性不同，从而使混响处理和均衡处理更具针对性。

下面参考图6，其示出了适于用来实现本发明的实施例的电子设备(例如图1中的终端设备)600的结构示意图。本发明的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本发明的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线 604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置 606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本发明的实施例，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，本发明的实施例包括一种计算机程序产品，其包括承载在计算机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装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本发明的实施例的方法中限定的上述功能。

需要说明的是，本发明所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。在本发明中，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。而在本发明中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备：获取待处理音频；提取待处理音频的频域特性和音调特性，得到频域特性数据和音调特性数据，频域特性数据包括频谱或频谱中心点；基于频域特性数据，对待处理音频进行均衡处理，得到均衡处理后的音频；基于音调特性数据，对均衡处理后的音频进行混响处理。

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发明的操作的计算机程序代码，所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，图示了按照本发明各种实施例的系统、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。

描述于本发明的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。其中，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，音频获取单元还可以被描述为“获取待处理音频的单元”。

以上描述仅为本发明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，本发明中所涉及的公开范围，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公开构思的情况下，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。例如上述特征与本发明中公开的(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 (6)

1.一种音频处理方法，包括：

获取待处理音频；

提取所述待处理音频的频域特性和音调特性，得到频域特性数据和音调特性数据，所述频域特性数据包括频谱或频谱中心点；

基于所述频域特性数据，对所述待处理音频进行均衡处理，得到均衡处理后的音频；

基于所述音调特性数据，对所述均衡处理后的音频进行混响处理；

在所述获取待处理音频之后，所述方法还包括：

确定所述处理音频的响度；

其中，所述频域特性数据中包括所述待处理音频的频谱；以及

所述基于所述频域特性数据，对所述待处理音频进行均衡处理，包括：

响应于确定所述频谱中两个频率点的能量差大于预设的第一能量差阈值，减小所述待处理音频中两个频率点所在频带的增益；

响应于确定所述频谱中两个频率点的能量差小于预设的第二能量差阈值，增大所述待处理音频中两个频率点所在频带的增益。

2.根据权利要求1所述的方法，其中，所述频域特性数据中包括频谱中心点；以及

所述基于所述频域特性数据，对所述待处理音频进行均衡处理，包括：

基于所述频谱中心点，对所述待处理音频进行均衡处理。

3.一种音频处理装置，包括：

音频获取单元，被配置成获取待处理音频；

第一提取单元，被配置成提取所述待处理音频的频域特性和音调特性，得到频域特性数据和音调特性数据，所述频域特性数据包括频谱或频谱中心点；

均衡处理单元，被配置成基于所述频域特性数据，对所述待处理音频进行均衡处理，得到均衡处理后的音频；

混响处理单元，被配置成基于所述音调特性数据，对所述待处理音频进行混响处理；

所述装置还包括：

响度确定单元，被配置成确定所述处理音频的响度；

其中，所述频域特性数据中包括所述待处理音频的频谱；以及

所述均衡处理单元被进一步配置成：

响应于确定所述频谱中两个频率点的能量差大于预设的第一能量差阈值，减小所述待处理音频中两个频率点所在频带的增益；

响应于确定所述频谱中两个频率点的能量差小于预设的第二能量差阈值，增大所述待处理音频中两个频率点所在频带的增益。

4.根据权利要求3所述的装置，其中，所述频域特性数据中包括频谱中心点；以及

所述均衡处理单元被进一步配置成：

基于所述频谱中心点，对所述待处理音频进行均衡处理。

5.一种终端设备，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或2所述的方法。

6.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1或2所述的方法。

Images