CN113382081A - 时延估计调整方法、装置、设备以及存储介质 - Google Patents

Abstract

本公开提供了时延估计调整方法、装置、设备、存储介质以及程序产品，涉及人工智能领域，尤其涉及计算机技术、智能交通领域。具体实现方案为：初始化时延估计的最大值；在试音音乐播放过程中估计第一时延值；在试音合成语音播放过程中估计第二时延值；基于第一时延值和第二时延值，调整时延估计的最大值。本公开能够针对性地调整时延估计的最大值，大大缩短算法收敛时间。

Description

时延估计调整方法、装置、设备以及存储介质

技术领域

本公开涉及人工智能领域，尤其涉及计算机技术、智能交通领域。

背景技术

智能后视镜可以通过投屏技术将音频传输到原生车机中进行播放。但因为传输数据量巨大，往往音频播放存在一定的延时。这类延时对语音信号处理产生了较大的负面影响，因为硬件降噪芯片的限制，目前的信号处理技术无法在非常规(>40ms)延时的情况进行。因此，智能后视镜引入了时延估计算法，通过计算时延并对语音信号进行延时。

为了不影响整体体验，时延估计算法通常会把时延估计的最大值限定在较小的范围内(比如1000ms)。但因为每款支持投屏的原生车机性能不一致，导致真实的传输时延波动较大。如果此时将时延估计的最大值统一加大，又会出现收敛时间加长的问题。

发明内容

本公开提供了一种时延估计调整方法、装置、设备、存储介质以及程序产品。

根据本公开的第一方面，提供了一种时延估计调整方法，包括：初始化时延估计的最大值；在试音音乐播放过程中估计第一时延值；在试音合成语音播放过程中估计第二时延值；基于第一时延值和第二时延值，调整时延估计的最大值。

根据本公开的第二方面，提供了一种时延估计调整装置，包括：设置模块，被配置成初始化时延估计的最大值；第一估计模块，被配置成在试音音乐播放过程中估计第一时延值；第二估计模块，被配置成在试音合成语音播放过程中估计第二时延值；调整模块，被配置成基于第一时延值和第二时延值，调整时延估计的最大值。

根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开能够针对性地调整时延估计的最大值，大大缩短算法收敛时间。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开的时延估计调整方法的一个实施例的流程图；

图2是根据本公开的时延估计调整方法的又一个实施例的流程图；

图3是根据本公开的时延估计调整方法的另一个实施例的流程图；

图4是可以实现本公开实施例的时延估计调整方法的场景图；

图5是根据本公开的时延估计调整装置的一个实施例的结构示意图；

图6是用来实现本公开实施例的时延估计调整方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本公开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公开。

图1示出了根据本公开的时延估计调整方法的一个实施例的流程100。该时延估计调整方法包括以下步骤：

步骤101，初始化时延估计的最大值。

在本实施例中，时延估计调整方法的执行主体可以初始化时延估计的最大值。在后续音频播放过程中，估计出的时延值会受时延估计的最大值的限制，不会超过时延估计的最大值。对于不超过时延估计的最大值的音频，可以对其语音干扰信号彻底处理。对于超过时延估计的最大值的音频，则无法对其语音干扰信号彻底处理。通常，对于任意原生车机，终端用户可以发起时延估计的自动调整请求，联机后语音助手进入相应模式，初始化时延估计的最大值。为了实现对更多音频的语音干扰信号彻底处理，时延估计的最大值通常会被初始化成一个相对较大的值。在一些实施例中，上述执行主体可以将时延估计的最大值(例如2500ms)设置为时延估计算法的上限值。由于任意音频的时延值都不会超过时延估计算法的上限值，因此将时延估计的最大值初始设置为时延估计算法的上限值，能够实现对任意音频的语音干扰信号彻底处理。

步骤102，在试音音乐播放过程中估计第一时延值。

在本实施例中，上述执行主体可以在试音音乐播放过程中估计第一时延值。

通常，智能后视镜可以通过投屏技术将音乐传输到原生车机中进行播放。由于音乐数据量巨大，从智能后视镜传输到原生车机中需要一定的时间，导致音乐播放存在一定的延时。因此，这里需要在试音音乐播放过程中估计从智能后视镜传输试音音乐到原生车机播放试音音乐的时延值，即第一时延值。具体地，智能后视镜通过投屏技术将试音音乐传输到原生车机，原始车机开始播放试音音乐。在试音音乐播放过程中，利用时延估计算法估计试音音乐的时延值，以得到第一时延值。例如，利用时延估计算法估计一次试音音乐的时延值，作为第一时延值。其中，试音音乐可以是为了调整时延估计的最大值而播放的任意音乐。试音音乐播放过程就是从智能后视镜传输试音音乐到原生车机播放试音音乐的过程。时延估计算法可以用于估计音频播放的时延值，包括但不限于当前已有的时延估计算法和未来可能出现的时延估计算法。例如，ETDE算法，是一种带约束的时延估计方法，滤波器采用N阶插值运算，直接用瞬时时延估值代替滤波器权系数进行迭代，减小了计算量。

步骤103，在试音合成语音播放过程中估计第二时延值。

在本实施例中，上述执行主体可以在试音合成语音播放过程中估计第二时延值。

通常，智能后视镜可以通过投屏技术将合成语音传输到原生车机中进行播放。由于合成语音数据量巨大，从智能后视镜传输到原生车机中需要一定的时间，导致合成语音播放存在一定的延时。因此，这里需要在试音合成语音播放过程中估计从智能后视镜传输试音合成语音到原生车机播放试音合成语音的时延值，即第二时延值。具体地，智能后视镜通过投屏技术将试音合成语音传输到原生车机，原始车机开始播放试音合成语音。在试音合成语音播放过程中，利用时延估计算法估计试音合成语音的时延值，以得到第二时延值。例如，利用时延估计算法估计一次试音合成语音的时延值，作为第二时延值。其中，合成语音可以是智能后视镜基于采集的信息生成的语音指令。试音合成语音可以是为了调整时延估计的最大值而播放的任意合成语音。试音合成语音播放过程就是从智能后视镜传输试音合成语音到原生车机播放试音合成语音的过程。

步骤104，基于第一时延值和第二时延值，调整时延估计的最大值。

在本实施例中，上述执行主体可以基于第一时延值和第二时延值，调整时延估计的最大值。

通常，时延估计的最大值可以基于第一时延值和第二时延值中的任意一项进行调整。例如，将第一时延值或第二时延值中的一项作为时延估计的最大值。又例如，将第一时延值或时延值中的一项增加预设时长，作为时延估计的最大值。调整后的时延估计的最大值小于时延估计算法的上限值。时延估计的最大值越小，时延估计算法的收敛时间越短。

这里，调整后的时延估计的最大值可以设置到时延估计算法模块中。将时延估计的最大值限定在较小的范围内，利用时延估计算法估计的时延真实值也在这个范围内，最终的语音信号处理效果也会越好。

本公开能够针对性地调整时延估计的最大值，大大缩短算法收敛时间。时延估计调整方法的针对性强。使用每台原生车机的用户都可以自由地发起调整，使得时延估计算法能够根据用户使用的这台原生车机，进行针对性地调整时延估计的最大值。在大大缩短算法收敛时间的同时，还能够得到真实有效地时延值。

继续参考图2，其示出了根据本公开的时延估计调整方法的又一个实施例的流程200。该时延估计调整方法包括以下步骤：

步骤201，初始化时延估计的最大值。

在本实施例中，步骤201具体操作已在图1所示的实施例中步骤101进行了详细的介绍，在此不再赘述。

步骤202，在试音音乐播放过程中持续估计时延值，得到试音音乐的至少一次时延值，以及基于试音音乐的至少一次时延值，得到第一时延值。

在本实施例中，时延估计调整方法的执行主体可以在试音音乐播放过程中持续估计时延值，得到试音音乐的至少一次时延值，以及基于试音音乐的至少一次时延值，得到第一时延值。

这里，智能后视镜通过投屏技术将试音音乐传输到原生车机，原始车机开始播放试音音乐。在试音音乐播放过程中，利用时延估计算法持续估计试音音乐的至少一次时延值，以得到第一时延值。由于时延估计过程中会存在时延抖动，一次估计的时延值可能因存在抖动而准确性下降。因此，基于试音音乐的至少一次时延值，得到第一时延值，能够提高时延估计的准确性。例如，计算试音音乐的至少一次时延值的平均值，作为第一时延值。

步骤203，在试音合成语音播放过程中持续估计时延值，得到试音合成语音的至少一次时延值，以及基于试音合成语音的至少一次时延值，得到第二时延值。

在本实施例中，时延估计调整方法的执行主体可以在试音合成语音播放过程中持续估计时延值，得到试音合成语音的至少一次时延值，以及基于试音合成语音的至少一次时延值，得到第二时延值。

这里，智能后视镜通过投屏技术将试音合成语音传输到原生车机，原始车机开始播放试音合成语音。在试音合成语音播放过程中，利用时延估计算法持续估计试音合成语音的至少一次时延值，以得到第二时延值。由于时延估计过程中会存在时延抖动，一次估计的时延值可能因存在抖动而准确性下降。因此，基于试音合成语音的至少一次时延值，得到第二时延值，能够提高时延估计的准确性。例如，计算试音合成语音的至少一次时延值的平均值，作为第二时延值。

步骤204，基于第一时延值和第二时延值中的最大值，调整时延估计的最大值。

在本实施例中，上述执行主体可以基于第一时延值和第二时延值中的最大值，调整时延估计的最大值。

通常，时延估计的最大值可以基于第一时延值和第二时延值中的最大值进行调整。例如，将第一时延值和第二时延值中的最大值作为时延估计的最大值。又例如，将第一时延值和时延值中的最大值增加预设时长，作为时延估计的最大值。调整后的时延估计的最大值小于时延估计算法的上限值。时延估计的最大值越小，时延估计算法的收敛时间越短。

这里，调整后的时延估计的最大值可以设置到时延估计算法模块中。将时延估计的最大值调整为第一时延值和第二时延值中的最大值，无论智能后视镜通过投屏技术将音乐传输到原生车机中进行播放，还是将合成语音传输到原生车机中进行播放，均能够对语音信号的语音干扰信号彻底处理，最终的语音信号处理效果也会越好。

从图2中可以看出，与图1对应的实施例相比，本实施例中的时延估计调整方法突出了时延估计步骤。由此，本实施例描述的方案在音频播放过程中，持续估计音频的至少一次时延值。由于时延估计过程中会存在时延抖动，一次估计的时延值可能因存在抖动而准确性下降。因此，基于音频的至少一次时延值，得到时延值，能够提高时延估计的准确性。

进一步参考图3，其示出了根据本公开的时延估计调整方法的另一个实施例的流程300。该时延估计调整方法包括以下步骤：

步骤301，初始化时延估计的最大值。

在本实施例中，步骤301具体操作已在图1所示的实施例中步骤101进行了详细的介绍，在此不再赘述。

步骤302，在试音音乐播放过程中持续估计时延值，直至得到连续第一预设数目次相同的时延值，作为第一时延值。

在本实施例中，时延估计调整方法的执行主体可以在试音音乐播放过程中持续估计时延值，直至得到连续第一预设数目次(例如5次)相同的时延值，作为第一时延值。

由于时延估计过程中会存在时延抖动，一次估计的时延值可能因存在抖动而准确性下降。若得到连续第一预设数目次相同的时延值，说明该时延值几乎不存在抖动。将连续第一预设数目次相同的时延值，作为第一时延值，能够提高时延估计的准确性。

步骤303，在试音合成语音播放过程中持续估计时延值，直至得到连续第二预设数目次相同的时延值，作为第二时延值。

在本实施例中，时延估计调整方法的执行主体可以在试音合成语音播放过程中持续估计时延值，直至得到连续第二预设数目次(例如5次)相同的时延值，作为第二时延值。

由于时延估计过程中会存在时延抖动，一次估计的时延值可能因存在抖动而准确性下降。若得到连续第二预设数目次相同的时延值，说明该时延值几乎不存在抖动。将连续第二预设数目次相同的时延值，作为第二时延值，能够提高时延估计的准确性。

需要说明的是，第一预设数目与第二预设数目可以相同，也可以不同，这里不进行具体限定。

步骤304，将第一时延值和第二时延值中的最大值增加预设时长，作为时延估计的最大值。

在本实施例中，上述执行主体可以将第一时延值和第二时延值中的最大值增加预设时长，作为时延估计的最大值。

这里，调整后的时延估计的最大值可以设置到时延估计算法模块中。由于时延估计过程中会存在时延抖动，将第一时延值和第二时延值中的最大值增加预设时长，可以防止时延抖动。

从图3中可以看出，与图1对应的实施例相比，本实施例中的时延估计调整方法突出了时延估计步骤。由此，本实施例描述的方案在音频播放过程中，持续估计音频的连续多次相同的时延值。由于时延估计过程中会存在时延抖动，一次估计的时延值可能因存在抖动而准确性下降。因此，若得到连续多次相同的时延值，说明该时延值几乎不存在抖动，从而提高时延估计的准确性。

进一步参考图4，其示出了可以实现本公开实施例的时延估计调整方法的场景图。

步骤401，终端发起自主调整。

步骤402，提示进行联机。

步骤403，将时延估计最大值设置为2500ms。

这里，终端用户发起时延估计的自主调整请求，联机后语音助手进入相应模式，将时延估计的最大值设为算法上限值2500ms。

步骤404，开始播放试音音乐。

步骤405，得出连续5次相同的时延值。

这里，开始播放试音的音乐，时延估计算法在播放过程中持续估算时延值，直到得出连续5次相同的时延值T1。

步骤406，开始播放试音TTS。

步骤407，得到连续5次相同的时延值。

这里，开始播放试音TTS(Text To Speech，从文本到语音)，时延估计算法在播放过程中持续估算时延值，直到得出连续5次相同的时延值T2。

步骤408，取两者中的最大值，作为结果值。

步骤409，将结果增加250ms防抖动。

这里，对比得出T1、T2中较大的值作为T3，在T3基础上增加250ms为T4，作为缓存和防抖动。

步骤410，使用新时延结果值作为最大值。

这里，将T4作为该终端设备最终的时延估计算法最大值，设置到算法模块中。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种时延估计调整装置的一个实施例，该装置实施例与图1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，本实施例的时延估计调整装置500可以包括：设置模块501、第一估计模块502、第二估计模块503和调整模块504。其中，设置模块501，被配置成初始化时延估计的最大值；第一估计模块502，被配置成在试音音乐播放过程中估计第一时延值；第二估计模块503，被配置成在试音合成语音播放过程中估计第二时延值；调整模块504，被配置成基于第一时延值和第二时延值，调整时延估计的最大值。

在本实施例中，时延估计调整装置500中设置模块501、第一估计模块502、第二估计模块503和调整模块504的具体处理及其所带来的技术效果可分别参考图1对应实施例中的步骤101-104的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，第一估计模块502包括：第一估计子模块，被配置成在试音音乐播放过程中持续估计时延值，得到试音音乐的至少一次时延值，以及基于试音音乐的至少一次时延值，得到第一时延值；以及第二估计模块503包括：第二估计子模块，被配置成在试音合成语音播放过程中持续估计时延值，得到试音合成语音的至少一次时延值，以及基于试音合成语音的至少一次时延值，得到第二时延值。

在本实施例的一些可选的实现方式中，第一估计子模块进一步被配置成：在试音音乐播放过程中持续估计时延值，直至得到连续第一预设数目次相同的时延值，作为第一时延值；以及第二估计子模块进一步被配置成：在试音合成语音播放过程中持续估计时延值，直至得到连续第二预设数目次相同的时延值，作为第二时延值。

在本实施例的一些可选的实现方式中，调整模块504包括：调整子模块，被配置成基于第一时延值和第二时延值中的最大值，调整时延估计的最大值。

在本实施例的一些可选的实现方式中，调整子模块进一步被配置成：将第一时延值和第二时延值中的最大值增加预设时长，作为时延估计的最大值。

在本实施例的一些可选的实现方式中，设置模块501进一步被配置成：将时延估计的最大值初始设置为时延估计算法的上限值。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元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。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如时延估计调整方法。例如，在一些实施例中，时延估计调整方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的时延估计调整方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行时延估计调整方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种时延估计调整方法，包括：

初始化时延估计的最大值；

在试音音乐播放过程中估计第一时延值；

在试音合成语音播放过程中估计第二时延值；

基于所述第一时延值和所述第二时延值，调整所述时延估计的最大值。

2.根据权利要求1所述的方法，其中，

所述在试音音乐播放过程中估计第一时延值，包括：

在试音音乐播放过程中持续估计时延值，得到所述试音音乐的至少一次时延值，以及基于所述试音音乐的至少一次时延值，得到所述第一时延值；以及

所述在试音合成语音播放过程中估计第二时延值，包括：

在试音合成语音播放过程中持续估计时延值，得到所述试音合成语音的至少一次时延值，以及基于所述试音合成语音的至少一次时延值，得到所述第二时延值。

3.根据权利要求2所述的方法，其中，

所述在试音音乐播放过程中持续估计时延值，得到所述试音音乐的至少一次时延值，以及基于所述试音音乐的至少一次时延值，得到所述第一时延值，包括：

在试音音乐播放过程中持续估计时延值，直至得到连续第一预设数目次相同的时延值，作为所述第一时延值；以及

所述在试音合成语音播放过程中持续估计时延值，得到所述试音合成语音的至少一次时延值，以及基于所述试音合成语音的至少一次时延值，得到所述第二时延值，包括：

在试音合成语音播放过程中持续估计时延值，直至得到连续第二预设数目次相同的时延值，作为所述第二时延值。

4.根据权利要求1所述的方法，其中，所述基于所述第一时延值和所述第二时延值，调整所述时延估计的最大值，包括：

基于所述第一时延值和所述第二时延值中的最大值，调整所述时延估计的最大值。

5.根据权利要求4所述的方法，其中，所述基于所述第一时延值和所述第二时延值中的最大值，调整所述时延估计的最大值，包括：

将所述第一时延值和所述第二时延值中的最大值增加预设时长，作为所述时延估计的最大值。

6.根据权利要求1-5中任一项所述的方法，其中，所述初始化时延估计的最大值，包括：

将所述时延估计的最大值初始设置为时延估计算法的上限值。

7.一种时延估计调整装置，包括：

设置模块，被配置成初始化时延估计的最大值；

第一估计模块，被配置成在试音音乐播放过程中估计第一时延值；

第二估计模块，被配置成在试音合成语音播放过程中估计第二时延值；

调整模块，被配置成基于所述第一时延值和所述第二时延值，调整所述时延估计的最大值。

8.根据权利要求7所述的装置，其中，

所述第一估计模块包括：

第一估计子模块，被配置成在试音音乐播放过程中持续估计时延值，得到所述试音音乐的至少一次时延值，以及基于所述试音音乐的至少一次时延值，得到所述第一时延值；以及

所述第二估计模块包括：

第二估计子模块，被配置成在试音合成语音播放过程中持续估计时延值，得到所述试音合成语音的至少一次时延值，以及基于所述试音合成语音的至少一次时延值，得到所述第二时延值。

9.根据权利要求8所述的装置，其中，

所述第一估计子模块进一步被配置成：

在试音音乐播放过程中持续估计时延值，直至得到连续第一预设数目次相同的时延值，作为所述第一时延值；以及

所述第二估计子模块进一步被配置成：

在试音合成语音播放过程中持续估计时延值，直至得到连续第二预设数目次相同的时延值，作为所述第二时延值。

10.根据权利要求7所述的装置，其中，所述调整模块包括：

调整子模块，被配置成基于所述第一时延值和所述第二时延值中的最大值，调整所述时延估计的最大值。

11.根据权利要求10所述的装置，其中，所述调整子模块进一步被配置成：

将所述第一时延值和所述第二时延值中的最大值增加预设时长，作为所述时延估计的最大值。

12.根据权利要求7-11中任一项所述的装置，其中，所述设置模块进一步被配置成：

将所述时延估计的最大值初始设置为时延估计算法的上限值。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。

Images