CN114286278A - 音频数据处理方法、装置、电子设备及存储介质 - Google Patents

音频数据处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114286278A
CN114286278A CN202111616827.1A CN202111616827A CN114286278A CN 114286278 A CN114286278 A CN 114286278A CN 202111616827 A CN202111616827 A CN 202111616827A CN 114286278 A CN114286278 A CN 114286278A
Authority
CN
China
Prior art keywords
acoustic characteristics
audio data
audio
radio reception
reception 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
Application number
CN202111616827.1A
Other languages
English (en)
Other versions
CN114286278B (zh
Inventor
卿睿
李峥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202111616827.1A priority Critical patent/CN114286278B/zh
Publication of CN114286278A publication Critical patent/CN114286278A/zh
Priority to JP2022129866A priority patent/JP2022166203A/ja
Priority to KR1020220103207A priority patent/KR20220123184A/ko
Priority to US18/085,533 priority patent/US20230122645A1/en
Application granted granted Critical
Publication of CN114286278B publication Critical patent/CN114286278B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S7/00—Indicating arrangements; Control arrangements, e.g. balance control
    • H04S7/30—Control circuits for electronic adaptation of the sound field
    • H04S7/301—Automatic calibration of stereophonic sound system, e.g. with test microphone
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K15/00—Acoustics not otherwise provided for
    • G10K15/08—Arrangements for producing a reverberation or echo sound
    • G10K15/12—Arrangements for producing a reverberation or echo sound using electronic time-delay networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/008—Multichannel audio signal coding or decoding using interchannel correlation to reduce redundancy, e.g. joint-stereo, intensity-coding or matrixing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S7/00—Indicating arrangements; Control arrangements, e.g. balance control
    • H04S7/30—Control circuits for electronic adaptation of the sound field
    • H04S7/302—Electronic adaptation of stereophonic sound system to listener position or orientation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S2420/00—Techniques used stereophonic systems covered by H04S but not provided for in its groups
    • H04S2420/01—Enhancing the perception of the sound image or of the spatial distribution using head related transfer functions [HRTF's] or equivalents thereof, e.g. interaural time difference [ITD] or interaural level difference [ILD]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S2420/00—Techniques used stereophonic systems covered by H04S but not provided for in its groups
    • H04S2420/03—Application of parametric coding in stereophonic audio systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S2420/00—Techniques used stereophonic systems covered by H04S but not provided for in its groups
    • H04S2420/13—Application of wave-field synthesis in stereophonic audio systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S7/00—Indicating arrangements; Control arrangements, e.g. balance control
    • H04S7/30—Control circuits for electronic adaptation of the sound field
    • H04S7/305—Electronic adaptation of stereophonic audio signals to reverberation of the listening space

Abstract

本公开提供了一种音频数据处理方法、装置、电子设备及存储介质，涉及语音技术领域，尤其涉及音频处理技术。实现方案为：一种用于还原会场音效的音频数据处理方法，包括：获取与会场相对应的空间声场的初始声学特性；基于至少一个调节参数来调节初始声学特性以获取经调节的声学特性；以及对音频数据应用经调节的声学特性，以获取经音效还原的音频数据。

Description

音频数据处理方法、装置、电子设备及存储介质
技术领域
本公开涉及语音技术领域，尤其涉及音频处理技术，具体涉及一种用于还原会场音效的音频数据处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
随着社会与科技的进步和发展，借助于互联网媒介以线上方式举行演讲、演出或表演，或召开发布会等等活动变得日益频繁，且对此的需求和要求也越来越高。尤其是，针对线上参与的观众人数较大的此类大型线上活动，观众在此期间所能体验到的音效效果是至关重要的。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种音频数据处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面，提供了一种用于还原会场音效的音频数据处理方法，包括：获取与会场相对应的空间声场的初始声学特性；基于至少一个调节参数来调节所述初始声学特性以获取经调节的声学特性；以及对音频数据应用所述经调节的声学特性，以获取经音效还原的音频数据。
根据本公开的另一方面，提供了一种用于还原会场音效的音频数据处理装置，包括：获取模块，被配置为获取与会场相对应的空间声场的初始声学特性；调节模块，被配置为基于至少一个调节参数来调节所述初始声学特性以获取经调节的声学特性；以及还原模块，被配置为对音频数据应用所述经调节的声学特性，以获取经音效还原的音频数据。
根据本公开的另一方面，提供了一种电子设备，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能够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根据如上所述的方法。
根据本公开的另一方面，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，所述计算机指令用于使所述计算机执行根据如上所述的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据如上所述的方法。
根据本公开的一个或多个实施例，可以针对线上举行的演讲、演出或表演，或发布会等在音效上模拟出真实会场具备的空间音效效果。
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
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
图2示出了根据本公开实施例的音频数据处理方法的流程图；
图3示出了根据本公开实施例的关于会场的收音数据的获取的示意图；
图4示出了根据本公开一个实施例的音频数据处理装置的结构框图；
图5示出了根据本公开另一个实施例的音频数据处理装置的结构框图；
图6示出了能够用于实现本公开实施例的示例性电子设备的结构框图。
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。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。
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
相关技术中，对于线上举行的大型(例如线上参与的观众人数在万人级别)演讲、演出或表演、或发布会等，其过程中所能够提供的音效往往无法达到真实大型会场(例如体育场、室内大厅、室外露天舞台等)所具备的音效，这是因为线上生成的音频流一般只能通过近距离设置的麦克风进行收音，在音效提供上存在一定限制。这导致即便观众通过线上方式参与到这样的大型活动中，也无法感受到如同在真实大型会场中所能体验到的空间音效效果。
此外，随着虚拟现实(VR)技术的发展，已经能够创建出模拟真实世界的虚拟万人空间，但使用者在进入这样的虚拟万人空间中是否同样能够体验到如同在真实世界的感受，在技术上也依旧存在空白。
至少针对上述问题，根据本公开的一方面，提供了一种用于还原会场音效的音频数据处理的方法。下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开实施例的可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中，服务器120可以运行使得能够执行用于还原会场音效的音频数据处理方法的一个或多个服务或软件应用。
在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来登录、接入或加入线上举行的诸如演讲、演出或表演、或发布会等线上活动。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中，服务器120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。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
图2示出了根据本公开实施例的用于还原会场音效的音频数据处理方法200的流程图。如图2所示，方法200可以包括如下步骤：
S202，获取与会场相对应的空间声场的初始声学特性；
S204，基于至少一个调节参数来调节初始声学特性以获取经调节的声学特性；以及
S206，对音频数据应用经调节的声学特性，以获取经音效还原的音频数据。
根据本公开的音频数据处理方法，可以借助于获取真实会场的声学特性并对其进行调节，而对线上举行的诸如演讲、演出或表演、或发布会等线上活动在音效上模拟出真实会场具备的空间音效效果。由此，线上参与的观众在此过程中能够体验到如同在真实会场中所能体验到的空间音效效果。
以下将对根据本公开的音频数据处理方法的各个步骤进行详细描述。
需说明的是，本公开所称的“会场”可以是指诸如体育场、室内大厅、室外露天舞台等用于举行各类公共活动或集会的空间、场所或建筑等，其规模可以是大型或超大型的，例如可容纳万人或十万人(诸如国家体育场“鸟巢”)，且其结构可以是开放或封闭式的。由于实际应用中存在多种多样的会场形式，使用术语“会场”意在解释和传达本公开的发明构思。本公开不对会场的类型、结构或规模等进行不必要的限制。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
在步骤S202，与会场相对应的空间声场的初始声学特性可以包括会场中所设置的全套音箱设备的整体频率响应、超大型会场的空间冲激响应(room impulse response,RIR)、空间方向特征等。一般而言，由于会场中所设置的全套音箱设备往往是匹配当前会场而设计好的，因此初始声学特性中也相应地包含了与这样的音箱设备相关联的声学特性。
与会场相对应的空间声场的声学特性可以反映出该空间声场的各种属性。由于声学特性可以是基于从会场采集的原始立体声数据而获得的，故而在此可称为初始声学特性。该初始声学特性可以对应于用于还原会场音效的初始滤波器系数。如下文将结合步骤S204和S206进一步描述的，该初始声学特性、即初始滤波器系数将经受不同维度的参数调节，以最终获得能够用于还原会场音效的滤波器系数。
根据一些实施例，在步骤S202，获取与会场相对应的空间声场的初始声学特性可以包括：获取关于会场的收音数据，其中，收音数据是通过在会场中的预设位置处录制所播放的音频而获得的；以及基于所播放的音频和收音数据，获取空间声场的初始声学特性。
通过上述方式，一方面可以根据用于音效还原的感兴趣的会场来灵活地获取对应的空间声场的声学特性，另一方面也可以巧妙地借助于易于采集或获得的数据源(所播放的音频和对应的收音数据)来实现空间声场的声学特性的获取。
实际应用中，类似量级的会场(例如十万人量级与八万人量级)可以相互推用。这意味着，如果无法获取到十万人量级会场的收音数据，也可以使用可获取到的其他类似量级会场的收音数据。
一般而言，出于更好地获取声场的声学特性的目的，在会场中录制收音数据时所播放的音频可以是预先设定的。例如，所播放的音频可以涵盖所需要的或感兴趣的各个声音频段，例如包含人声、白噪声、扫频信号等。因此，通过录制所得的收音数据亦可包含对应的声音频段。
这里，为了获取声场的声学特性，可以考虑将在会场中录制收音数据时所播放的音频视为源数据，而将收音数据视为结果数据，其中，结果数据可以反映源数据在经历会场之后所形成的结果。因此，可以基于源数据和结果数据推导出这种经历会场的过程，也即获取与会场相对应的空间声场的声学特性。
根据一些实施例，获取空间声场的初始声学特性可以包括：将所播放的音频与收音数据进行相关性建模，以通过反卷积操作提取初始声学特性。
通过上述方式，可以借助于易于采集或获得的数据源(所播放的音频和对应的收音数据)之间的相关性来推导声场的声学特性。
相关性建模可以包括获取所播放的音频与收音数据之间的相关函数。通过反卷积操作提取的初始声学特性可以对应于如前所述的用于还原会场音效的初始滤波器系数。考虑到反卷积操作本身为本领域已知的方法，在此不再详细阐述其细节，以免混淆本公开的主旨。
根据一些实施例，收音数据可以满足下列中的至少一者：与会场中的至少一个空间方向相关联、与相距于会场的中心的距离相关联。
通过上述方式，由于收音数据能够涵盖空间方向、距离上的属性，可以使得由此获取的声场的声学特性更贴近于真实会场的情况。
这里，结合图3详细描述收音数据在空间方向和距离上的特点。图3示出了根据本公开实施例的关于会场的收音数据的获取的示意图。
如图3所示，以俯视角度示出了会场300，且为了便于说明，将会场300示出为体育场的形式。然而，如前所述，本公开不对会场的类型、结构或规模等进行不必要的限制。
会场300可以具有中心301，该中心301在图3中被示出为体育场中心处的足球场地，该足球场地由示出为圆环形的跑道包围。此外，会场300还可以具有四个空间方向302-1至302-4，其在图3中以右侧的箭头示出朝向。
如前所述，收音数据可以是通过在会场中的预设位置处录制所播放的音频而获得的。具体而言，如图3所示，示意性地示出了作为预设位置的录音点303至308，其中，录音点303至305和录音点306至308相距于中心301的距离依次增大。此外，录音点303至308中的每个录音点可以涉及在四个空间方向302-1至302-4上进行音频的录制。在每个录音点处以不同的箭头朝向示出了所述四个空间方向302-1至302-4。
因此，通过与会场中的至少一个空间方向相关联地设置录音点，以及与相距于会场的中心的距离相关联地设置录音点，由此所录制的收音数据亦满足下列中的至少一者：与会场中的至少一个空间方向相关联、与相距于会场的中心的距离相关联。
本领域技术人员可以理解，图3仅仅是对录音点的示例性示出，本公开不意在对此进行不必要的限制。在实际应用中，录音点的选取往往需要考虑效率和效果的折中。诸如考虑到数据采集成本，图3示出了录音点303至305位于图中上方且录音点306至308位于图中右侧的情况。然而，如果可能，也可以进一步设置更多的录音点以使其位于录音点303至305与录音点306至308之间，由此便于获取空间声场的更为精准的声学特性。
根据一些实施例，收音数据可以是通过以模拟人耳收音的方式录制所播放的音频而获得的。
继续参考图3，示出了放置于录音点303至308的人工耳录音设备的各个朝向309-1至309-4。这里，人工耳录音设备可以在外形上模拟真人的头部及耳部结构，其中在耳部(例如耳廓内)放置对应的录音设备，即一左一右(如图3中的标记“L”和“R”所示)，由此用以模拟真实的人耳收音的效果，例如方向感。可以理解的是，针对图3中所示的录音点303至308中的每个录音点，可以在一次录制中使用四个人工耳录音设备以分别朝向四个方向，或者可以使用一个人工耳录音设备进行四次录制，每次录制中朝向不同的方向。
需要说明的是，本实施例中的模拟真人的头部及耳部结构并不是针对某一特定用户，并不能反映出某一特定用户的个人信息。
通过上述方式，由于收音数据能够真实地模拟人耳收音的效果，可以使得由此获取的声场的声学特性更贴近于观众在真实会场中的情况。
返回参考图2，在步骤S204，如上所述，初始声学特性可以对应于用于还原会场音效的初始滤波器系数，而通过基于至少一个调节参数来调节初始声学特性所获取的经调节的声学特性可以对应于最终能够用于还原会场音效的滤波器系数。这样，使用由此获得的滤波器系数能够使观众在线上亦能体验到如同在真实会场中所能体验到的空间音效效果。
根据一些实施例，所述至少一个调节参数可以包括下列中的至少一者：混响时间、回声音量、均衡度、传播衰减。
通过上述方式，可以根据不同的音效还原需求而按需地设计用于音效还原的滤波器系数。
混响时间可以指混响时间T60，其反映声能衰减60dB所需的时间。通过控制混响时间可以控制回声的持续时间长短，从而可以针对会场中的不同位置对回声效果进行优化。
回声音量，也即回声分量，其可以借助于回声量衰减曲线来控制。通过控制回声音量可以防止人声被相对较大的回声所影响。例如，在演讲者的声音较小或较尖锐的情况下，其声音可能容易被回声掩盖，在此情况下，可以对回声音量进行优化以避免回声影响。
均衡度可以用于音质调节。通过控制均衡度可以获得更加均一的音质。
传播衰减可以涉及距离感的调节，即根据距离的远近增加或减少衰减。通过控制传播衰减可以获得更适于收听的距离感。
上述四个调节参数可以根据实际需要进行选取。相应地，上述四个调节参数的不同组合可以对应于不同的滤波器系数，由此能够形成经优化的一套滤波器库。
在步骤S206，对音频数据应用经调节的声学特性意味着基于经调节的声学特性对该音频数据进行处理。
根据一些实施例，经调节的声学特性可以包括至少一个滤波器系数，并且对音频数据应用经调节的声学特性，以获取经音效还原的音频数据可以包括：基于音频数据中的人声特性，从所述至少一个滤波器系数中选择一个或多个滤波器系数，以通过卷积操作获取经音效还原的音频数据。
通过上述方式，可以结合在线演讲等活动中的演讲者的声音特点来选择适合的用于还原会场音效的滤波器系数，由此可以进一步提高观众所体验到的音效效果。
举例而言，以上述的在演讲者的声音较小或较尖锐而导致其声音容易被回声掩盖的情况下，可以使用调节过回声音量的滤波器参数以用于会场音效还原。
另外，说明的是，考虑到卷积操作本身为本领域已知的方法，在此不再详细阐述其细节，以免混淆本公开的主旨。
如上所述，根据本公开的音频数据处理方法，可以借助于获取真实会场的声学特性并对其进行调节，而对线上举行的诸如演讲、演出或表演、或发布会等线上活动在音效上模拟出真实会场具备的空间音效效果。由此，线上参与的观众在此过程中能够体验到如同在真实会场中所能体验到的空间音效效果。
根据本公开的另一方面，还提供了一种用于还原会场音效的音频数据处理装置。图4示出了根据本公开一个实施例的音频数据处理装置400的框图。
如图4所示，该装置400可以包括：获取模块402，被配置为获取与会场相对应的空间声场的初始声学特性；调节模块404，被配置为基于至少一个调节参数来调节初始声学特性以获取经调节的声学特性；以及还原模块406，被配置为对音频数据应用经调节的声学特性，以获取经音效还原的音频数据。
上述模块402至406所执行的操作可以与参考图2所描述的步骤S202至S206相对应，因此不再赘述其各个方面的细节。
图5示出了根据本公开另一个实施例的音频数据处理装置500的框图。图5所示的模块502至506可以分别对应于图4所示的模块402至406。除此之外，模块502和506还可以包括进一步的子功能模块，如下将具体说明。
根据一些实施例，获取模块502可以包括：第一操作模块5020，被配置为获取关于会场的收音数据，其中，收音数据是通过在会场中的预设位置处录制所播放的音频而获得的；以及第二操作模块5022，被配置为基于所播放的音频和收音数据，获取空间声场的初始声学特性。
根据一些实施例，第二操作模块5022可以包括：提取模块5022-1，被配置为将所播放的音频与收音数据进行相关性建模，以通过反卷积操作提取初始声学特性。
根据一些实施例，收音数据可以满足下列情况中的至少一者：与会场中的至少一个空间方向相关联、与相距于会场的中心的距离相关联。
根据一些实施例，收音数据可以是通过以模拟人耳收音的方式录制所播放的音频而获得的。
根据一些实施例，所述至少一个调节参数可以包括下列中的至少一者：混响时间、回声音量、均衡度、传播衰减。
根据一些实施例，经调节的声学特性可以包括至少一个滤波器系数，并且还原模块506可以包括：第三操作模块5060，被配置为基于音频数据中的人声特性，从所述至少一个滤波器系数中选择一个或多个滤波器系数，以通过卷积操作获取经音效还原的音频数据。
根据本公开的另一方面，还提供了一种电子设备，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；其中存储器存储有能够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根据本公开所述的方法。
根据本公开的另一方面，还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根据本公开所述的方法。
根据本公开的另一方面，还提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现根据本公开所述的方法。
参考图6，现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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，电子设备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RAM603中，还可存储电子设备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。
电子设备600中的多个部件连接至I/O接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向电子设备600输入信息的任何类型的设备，输入单元606可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许电子设备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，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
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，例如音频数据处理方法200。例如，在一些实施例中，该音频数据处理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/或安装到电子设备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音频数据处理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)而被配置为执行音频数据处理方法。
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)、复杂可编程逻辑设备(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，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，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。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (17)

1.一种用于还原会场音效的音频数据处理方法，包括：
获取与会场相对应的空间声场的初始声学特性；
基于至少一个调节参数来调节所述初始声学特性以获取经调节的声学特性；以及
对音频数据应用所述经调节的声学特性，以获取经音效还原的音频数据。
2.根据权利要求1所述的方法，其中，所述获取与会场相对应的空间声场的初始声学特性包括：
获取关于所述会场的收音数据，其中，所述收音数据是通过在所述会场中的预设位置处录制所播放的音频而获得的；以及
基于所播放的音频和所述收音数据，获取所述空间声场的所述初始声学特性。
3.根据权利要求2所述的方法，其中，所述获取所述空间声场的所述初始声学特性包括：
将所述所播放的音频与所述收音数据进行相关性建模，以通过反卷积操作提取所述初始声学特性。
4.根据权利要求2或3所述的方法，其中，所述收音数据满足下列中的至少一者：与所述会场中的至少一个空间方向相关联、与相距于所述会场的中心的距离相关联。
5.根据权利要求2至4中任一项所述的方法，其中，所述收音数据是通过以模拟人耳收音的方式录制所播放的音频而获得的。
6.根据权利要求1至5中任一项所述的方法，其中，所述至少一个调节参数包括下列中的至少一者：混响时间、回声音量、均衡度、传播衰减。
7.根据权利要求1至6中任一项所述的方法，其中，所述经调节的声学特性包括至少一个滤波器系数，并且所述对音频数据应用所述经调节的声学特性，以获取经音效还原的音频数据包括：
基于所述音频数据中的人声特性，从所述至少一个滤波器系数中选择一个或多个滤波器系数，以通过卷积操作获取所述经音效还原的音频数据。
8.一种用于还原会场音效的音频数据处理装置，包括：
获取模块，被配置为获取与会场相对应的空间声场的初始声学特性；
调节模块，被配置为基于至少一个调节参数来调节所述初始声学特性以获取经调节的声学特性；以及
还原模块，被配置为对音频数据应用所述经调节的声学特性，以获取经音效还原的音频数据。
9.根据权利要求8所述的装置，其中，所述获取模块包括：
第一操作模块，被配置为获取关于所述会场的收音数据，其中，所述收音数据是通过在所述会场中的预设位置处录制所播放的音频而获得的；以及
第二操作模块，被配置为基于所述所播放的音频和所述收音数据，获取所述空间声场的所述初始声学特性。
10.根据权利要求9所述的装置，其中，所述第二操作模块包括：
提取模块，被配置为将所述所播放的音频与所述收音数据进行相关性建模，以通过反卷积操作提取所述初始声学特性。
11.根据权利要求9或10所述的装置，其中，所述收音数据满足下列情况中的至少一者：与所述会场中的至少一个空间方向相关联、与相距于所述会场的中心的距离相关联。
12.根据权利要求9至11中任一项所述的装置，其中，所述收音数据是通过以模拟人耳收音的方式录制所述所播放的音频而获得的。
13.根据权利要求8至12中任一项所述的装置，其中，所述至少一个调节参数包括下列中的至少一者：混响时间、回声音量、均衡度、传播衰减。
14.根据权利要求8至13中任一项所述的装置，其中，所述经调节的声学特性包括至少一个滤波器系数，并且所述还原模块包括：
第三操作模块，被配置为基于所述音频数据中的人声特性，从所述至少一个滤波器系数中选择一个或多个滤波器系数，以通过卷积操作获取所述经音效还原的音频数据。
15.一种电子设备，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
所述存储器存储有能够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根据权利要求1-7中任一项所述的方法。
16.一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1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-7中任一项所述的方法。
CN202111616827.1A 2021-12-27 2021-12-27 音频数据处理方法、装置、电子设备及存储介质 Active CN114286278B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202111616827.1A CN114286278B (zh) 2021-12-27 2021-12-27 音频数据处理方法、装置、电子设备及存储介质
JP2022129866A JP2022166203A (ja) 2021-12-27 2022-08-17 音声データ処理方法、装置、電子機器及び記憶媒体
KR1020220103207A KR20220123184A (ko) 2021-12-27 2022-08-18 오디오 데이터 처리 방법, 장치, 전자 기기 및 저장 매체
US18/085,533 US20230122645A1 (en) 2021-12-27 2022-12-20 Audio data processing

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111616827.1A CN114286278B (zh) 2021-12-27 2021-12-27 音频数据处理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN114286278A true CN114286278A (zh) 2022-04-05
CN114286278B CN114286278B (zh) 2024-03-15

Family

ID=80876395

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111616827.1A Active CN114286278B (zh) 2021-12-27 2021-12-27 音频数据处理方法、装置、电子设备及存储介质

Country Status (4)

Country Link
US (1) US20230122645A1 (zh)
JP (1) JP2022166203A (zh)
KR (1) KR20220123184A (zh)
CN (1) CN114286278B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115923699B (zh) * 2022-12-30 2023-08-11 镁佳(北京)科技有限公司 一种车辆音效调整方法、装置、存储介质及电子设备

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005221658A (ja) * 2004-02-04 2005-08-18 Yamaha Corp 音響調整システムおよび音響調整装置
CN1664921A (zh) * 2004-03-02 2005-09-07 索尼株式会社 声音再现方法和装置
CN1741130A (zh) * 2004-08-27 2006-03-01 索尼株式会社 再现设备和再现系统
US20070237335A1 (en) * 2006-04-11 2007-10-11 Queen's University Of Belfast Hormonic inversion of room impulse response signals
US20080192957A1 (en) * 2007-02-09 2008-08-14 Katsutoshi Kubo Filter coefficient calculation device, filter coefficient calculation method, control program, computer-readable storage medium, and audio signal processing apparatus
CN102928067A (zh) * 2012-10-16 2013-02-13 华南理工大学 一种用于测量房间声学参数的系统及方法
US20160088417A1 (en) * 2013-04-30 2016-03-24 Intellectual Discovery Co., Ltd. Head mounted display and method for providing audio content by using same
US20170200442A1 (en) * 2014-06-30 2017-07-13 Sony Corporation Information-processing device, information processing method, and program
CN109564760A (zh) * 2016-05-25 2019-04-02 华纳兄弟娱乐公司 通过3d音频定位来生成虚拟或增强现实呈现的方法和装置
CN111213082A (zh) * 2017-10-17 2020-05-29 奇跃公司 混合现实空间音频
CN112882568A (zh) * 2021-01-27 2021-06-01 深圳市慧鲤科技有限公司 音频播放方法及装置、电子设备和存储介质
CN113519171A (zh) * 2019-03-19 2021-10-19 索尼集团公司 声音处理装置、声音处理方法和声音处理程序
CN113556665A (zh) * 2016-12-05 2021-10-26 奇跃公司 用于虚拟现实（vr）、增强现实（ar）和混合现实（mr）系统的分布式音频捕获技术
CN113553022A (zh) * 2021-07-16 2021-10-26 Oppo广东移动通信有限公司 设备调整方法、装置、移动终端及存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005221658A (ja) * 2004-02-04 2005-08-18 Yamaha Corp 音響調整システムおよび音響調整装置
CN1664921A (zh) * 2004-03-02 2005-09-07 索尼株式会社 声音再现方法和装置
CN1741130A (zh) * 2004-08-27 2006-03-01 索尼株式会社 再现设备和再现系统
US20070237335A1 (en) * 2006-04-11 2007-10-11 Queen's University Of Belfast Hormonic inversion of room impulse response signals
US20080192957A1 (en) * 2007-02-09 2008-08-14 Katsutoshi Kubo Filter coefficient calculation device, filter coefficient calculation method, control program, computer-readable storage medium, and audio signal processing apparatus
CN102928067A (zh) * 2012-10-16 2013-02-13 华南理工大学 一种用于测量房间声学参数的系统及方法
US20160088417A1 (en) * 2013-04-30 2016-03-24 Intellectual Discovery Co., Ltd. Head mounted display and method for providing audio content by using same
US20170200442A1 (en) * 2014-06-30 2017-07-13 Sony Corporation Information-processing device, information processing method, and program
CN109564760A (zh) * 2016-05-25 2019-04-02 华纳兄弟娱乐公司 通过3d音频定位来生成虚拟或增强现实呈现的方法和装置
CN113556665A (zh) * 2016-12-05 2021-10-26 奇跃公司 用于虚拟现实（vr）、增强现实（ar）和混合现实（mr）系统的分布式音频捕获技术
CN111213082A (zh) * 2017-10-17 2020-05-29 奇跃公司 混合现实空间音频
CN113519171A (zh) * 2019-03-19 2021-10-19 索尼集团公司 声音处理装置、声音处理方法和声音处理程序
CN112882568A (zh) * 2021-01-27 2021-06-01 深圳市慧鲤科技有限公司 音频播放方法及装置、电子设备和存储介质
CN113553022A (zh) * 2021-07-16 2021-10-26 Oppo广东移动通信有限公司 设备调整方法、装置、移动终端及存储介质

Also Published As

Publication number Publication date
US20230122645A1 (en) 2023-04-20
CN114286278B (zh) 2024-03-15
KR20220123184A (ko) 2022-09-06
JP2022166203A (ja) 2022-11-01

Similar Documents

Publication Publication Date Title
US20170055075A1 (en) Dynamic calibration of an audio system
JP6936298B2 (ja) 三次元仮想ポートレートの口形の変化を制御する方法および装置
US11812254B2 (en) Generating scene-aware audio using a neural network-based acoustic analysis
WO2019221895A1 (en) Directional propagation
US11109177B2 (en) Methods and systems for simulating acoustics of an extended reality world
JP2023525173A (ja) レンダリングされたグラフィカル出力を利用する会話型ａｉプラットフォーム
US10932081B1 (en) Bidirectional propagation of sound
WO2014131054A2 (en) Dynamic audio perspective change during video playback
JP7214798B2 (ja) 音声信号処理方法、音声信号処理装置、電子機器及び記憶媒体
US20210266693A1 (en) Bidirectional Propagation of Sound
US20230122645A1 (en) Audio data processing
CN114073057B (zh) 使用客户端音频参数的服务器侧绘制音频的方法和系统
US10187738B2 (en) System and method for cognitive filtering of audio in noisy environments
US11854567B2 (en) Digital twin for microphone array system
US20230401789A1 (en) Methods and systems for unified rendering of light and sound content for a simulated 3d environment
CN115273795A (zh) 模拟冲激响应的生成方法、装置和计算机设备
CN115050396A (zh) 测试方法及装置、电子设备及介质
US20220180888A1 (en) Directional voice command identification
CN114363794B (zh) 音频处理方法、装置、电子设备和计算机可读存储介质
US11877143B2 (en) Parameterized modeling of coherent and incoherent sound
US11523242B1 (en) Combined HRTF for spatial audio plus hearing aid support and other enhancements
WO2023101786A1 (en) Parameterized modeling of coherent and incoherent sound
CN114783429A (zh) 人机交互系统、服务器、交互终端、交互方法和电子设备
CN113948103A (zh) 音频处理方法和装置、模型训练方法和装置、设备及介质
CN117012217A (zh) 一种数据处理方法、装置、设备、存储介质及程序产品

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