CN114722884B - 基于环境音的音频控制方法、装置、设备及存储介质 - Google Patents

基于环境音的音频控制方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114722884B
CN114722884B CN202210640823.5A CN202210640823A CN114722884B CN 114722884 B CN114722884 B CN 114722884B CN 202210640823 A CN202210640823 A CN 202210640823A CN 114722884 B CN114722884 B CN 114722884B
Authority
CN
China
Prior art keywords
audio
sound
coordination
environment
category
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.)
Active
Application number
CN202210640823.5A
Other languages
English (en)
Other versions
CN114722884A (zh
Inventor
彭桂洪
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.)
Shenzhen Rundonglai Technology Co ltd
Original Assignee
Shenzhen Rundonglai 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 Shenzhen Rundonglai Technology Co ltd filed Critical Shenzhen Rundonglai Technology Co ltd
Priority to CN202210640823.5A priority Critical patent/CN114722884B/zh
Publication of CN114722884A publication Critical patent/CN114722884A/zh
Application granted granted Critical
Publication of CN114722884B publication Critical patent/CN114722884B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11C—STATIC STORES
    • G11C7/00—Arrangements for writing information into, or reading information out from, a digital store
    • G11C7/16—Storage of analogue signals in digital stores using an arrangement comprising analogue/digital [A/D] converters, digital memories and digital/analogue [D/A] converters 
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Soundproofing, Sound Blocking, And Sound Damping (AREA)

Abstract

本发明涉及音频增强技术，揭露了一种基于环境音的音频控制方法，包括：对周围环境的音频信息进行平滑处理，得到降噪音频信息；利用预训练的环境音频协调模型中的主体音频识别网络，识别所述降噪音频信息中存在的声音类别，得到主环境音频类别集合；利用所述环境音频协调模型中的类别协调网络，识别所述主环境音频类别集合中的各个主环境音频类别与预构建的目标播放内容的协调性分数；根据预构建的抗干扰策略对各个协调性分数进行加权计算，生成抗干扰信号值，并根据所述抗干扰信号值，对所述目标播放内容进行音频增强操作，得到适应所述周围环境的目标播放内容。本发明可以解决播放音频受到环境音频干扰过大的问题。

Description

基于环境音的音频控制方法、装置、设备及存储介质
技术领域
本发明涉及音频增强技术领域，尤其涉及一种基于环境音的音频控制方法、装置、设备及计算机可读存储介质。
背景技术
随着科技的发展，扬声器已经完全融入人们的日程生活中，然而，由于环境噪音的问题，无处不在的扬声器并未达到一个好的效果，例如机场、车站、工厂等嘈杂场所的广播即使声音很大，但有时人们仍不能很清楚的听到播报内容，另外，还有一些场所音乐声音过大对过往客人造成噪声污染，因此，目前急需一种通过环境音，对目标播放内容进行音频增强或削弱的控制方法，使得目标播放内容适应环境音。
发明内容
本发明提供一种基于环境音的音频控制方法、装置、设备及存储介质，其主要目的在于根据不同环境音，对播放的音频内容进行适应性变化，从而提升人们对播放内容的识别效果。
为实现上述目的，本发明提供的一种基于环境音的音频控制方法，包括：
对周围环境的音频信息进行平滑处理，得到降噪音频信息；
利用预训练的环境音频协调模型中的主体音频识别网络，识别所述降噪音频信息中存在的声音类别，得到声音类别集合，并将所述声音类别集合进行主次环境划分，得到主环境音频类别集合；
利用所述环境音频协调模型中的类别协调网络，识别所述主环境音频类别集合中的各个主环境音频类别与预构建的目标播放内容的协调性分数；
根据预构建的抗干扰策略对各个协调性分数进行加权计算，生成抗干扰信号值，并根据所述抗干扰信号值，对所述目标播放内容进行音频增强操作，得到适应所述周围环境的目标播放内容。
可选的，所述根据预构建的抗干扰策略对各个协调性分数进行加权计算，生成抗干扰信号值，包括：
利用预设的反比例经验函数，对各个所述主环境音频类别的协调性分数进行函数计算，得到各个主环境音频类别对应的干扰分数；
根据预设的权重分配表格，查询各个干扰分数对应的权重系数，并根据所述权重系数及所述干扰分数，对各个主环境音频类别对应的音频参数进行加权平均计算，得到抗干扰信号值。
可选的，所述利用预训练的环境音频协调模型中的主体音频识别网络，识别所述降噪音频信息中存在的声音类别，得到声音类别集合，并将所述声音类别集合进行主次环境划分，得到主环境音频类别集合，包括：
利用所述主体音频识别网络中的特征提取网络，对所述降噪音频信息进行卷积操作，得到卷积矩阵集合；
对所述卷积矩阵集合进行平均池化操作，得到池化矩阵集合；
利用所述主体音频识别网络中的flatten层对所述池化矩阵集合进行扁平化操作，得到特征序列集合；
利用所述主体音频识别网络中的全连接层将所述特征序列集合中各个特征序列进行全连接操作，得到音频特征集合；
利用所述主体音频识别网络中的决策树层，对所述音频特征集合进行特征识别分类，得到声音类别集合，并对所述音频特征集合进行场景识别，根据场景识别结果，对所述声音类别集合进行主次环境划分，得到主环境音频类别集合。
可选的，所述利用所述环境音频协调模型中的类别协调网络，识别所述主环境音频类别集合中的各个主环境音频类别与预构建的目标播放内容的协调性分数之前，所述方法还包括：
获取包含人工标注样本的音频样本集合，并根据预设分组策略，将所述音频样本集合进行分组为测试集及训练集；
从所述训练集中提取一个音频样本，利用预构建的类别协调网络对所述音频样本中的两种声音进行声音种类识别及声音协调性判断识别，得到识别结果；
利用预设的类别-协调性组合损失函数，计算所述识别结果与所述音频样本的人工标注之间的损失值；
最小化所述损失值，得到损失值最小时的网络系数，并对所述网络系数进行网络反向传播，得到更新类别协调网络；
判断所述训练集中音频样本集合是否全部参与训练；
当所述训练集中音频样本集合未全部参与训练时，返回上述从所述训练集中提取一个音频样本，利用预构建的类别协调网络对所述音频样本进行声音种类识别及声音协调性判断识别，得到识别结果的步骤；
当所述训练集中音频样本集合全部参与训练时，获取最后更新的更新类别协调网络，并利用所述测试集对所述更新类别协调网络进行测试，得到测试准确率；
判断所述测试准确率是否大于预设的合格阈值；
当所述测试准确率小于或等于所述合格阈值时，返回获取包含人工标注样本的音频样本集合，并根据预设分组策略，将所述音频样本集合进行分组为测试集及训练集的步骤，对所述更新类别协调网络进行迭代更新；
当所述测试准确率大于预设的合格阈值时，得到训练完成的类别协调网络。
可选的，所述对周围环境的音频信息进行平滑处理，得到降噪音频信息，包括：
获取所述音频信息中音波电信息的变化曲率，并获取变化曲率大于预设突变阈值的音波电信息作为噪点；
获取所述音频信息中所述噪点的预设邻域内的音波电信息，得到音波电信息集合，并根据所述音波电信息集合，计算平均音波数值；
利用所述平均音波数值替换所述噪点的音波数值，得到降噪音频信息。
为了解决上述问题，本发明还提供一种基于环境音的音频控制装置，所述装置包括：
降噪处理模块，用于对周围环境的音频信息进行平滑处理，得到降噪音频信息；
音频主环境识别模块，用于利用预训练的环境音频协调模型中的主体音频识别网络，识别所述降噪音频信息中存在的声音类别，得到声音类别集合，并将所述声音类别集合进行主次环境划分，得到主环境音频类别集合；
协调性识别模块，用于利用所述环境音频协调模型中的类别协调网络，识别所述主环境音频类别集合中的各个主环境音频类别与预构建的目标播放内容的协调性分数；
目标音增强模块，用于根据预构建的抗干扰策略对各个协调性分数进行加权计算，生成抗干扰信号值，并根据所述抗干扰信号值，对所述目标播放内容进行音频增强操作，得到适应所述周围环境的目标播放内容。
可选的，所述根据预构建的抗干扰策略对各个协调性分数进行加权计算，生成抗干扰信号值，包括：
利用预设的反比例经验函数，对各个所述主环境音频类别的协调性分数进行函数计算，得到各个主环境音频类别对应的干扰分数；
根据预设的权重分配表格，查询各个干扰分数对应的权重系数，并根据所述权重系数及所述干扰分数，对各个主环境音频类别对应的音频参数进行加权平均计算，得到抗干扰信号值。
可选的，所述利用预训练的环境音频协调模型中的主体音频识别网络，识别所述降噪音频信息中存在的声音类别，得到声音类别集合，并将所述声音类别集合进行主次环境划分，得到主环境音频类别集合，包括：
利用所述主体音频识别网络中的特征提取网络，对所述降噪音频信息进行卷积操作，得到卷积矩阵集合；
对所述卷积矩阵集合进行平均池化操作，得到池化矩阵集合；
利用所述主体音频识别网络中的flatten层对所述池化矩阵集合进行扁平化操作，得到特征序列集合；
利用所述主体音频识别网络中的全连接层将所述特征序列集合中各个特征序列进行全连接操作，得到音频特征集合；
利用所述主体音频识别网络中的决策树层，对所述音频特征集合进行特征识别分类，得到声音类别集合，并对所述音频特征集合进行场景识别，根据场景识别结果，对所述声音类别集合进行主次环境划分，得到主环境音频类别集合。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
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计算机程序，所述计算机程序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上述所述的基于环境音的音频控制方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于环境音的音频控制方法。
本发明实施例先通过主体音频识别网络识别出音频中涉及的所有声音类别，然后对识别出的声音类别进行划分，得到主环境音频类别，然后通过所述环境音频协调模型中的类别协调网络，对主环境音频类别与目标播放内容进行协调性识别，得到各个主环境音对目标播放内容的协调性分数，其中，所述环境音频协调模型为一种基于神经网络的组合模型，能够准确对所述降噪音频信息进行解析，增加识别环境音的效率，此外，不同主环境音频类别对于目标播放内容的干扰程度不同，可根据所述协调性分数，生成抗干扰信号对环境音进行对抗，目标播放音进行增强。因此，本发明实施例提供的一种基于环境音的音频控制方法、装置、设备及存储介质，能够根据不同环境音，对播放的音频内容进行适应性变化，从而实现提升人们对播放内容的识别效果。
附图说明
图1为本发明一实施例提供的基于环境音的音频控制方法的流程示意图；
图2为本发明一实施例提供的基于环境音的音频控制方法中一个步骤的详细流程示意图；
图3为本发明一实施例提供的基于环境音的音频控制方法中一个步骤的详细流程示意图；
图4为本发明一实施例提供的基于环境音的音频控制方法中一个步骤的详细流程示意图；
图5为本发明一实施例提供的基于环境音的音频控制装置的功能模块图；
图6为本发明一实施例提供的实现所述基于环境音的音频控制方法的电子设备的结构示意图。
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于环境音的音频控制方法。本申请实施例中，所述基于环境音的音频控制方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于环境音的音频控制方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于环境音的音频控制方法的流程示意图。在本实施例中，所述基于环境音的音频控制方法包括：
S1、对周围环境的音频信息进行平滑处理，得到降噪音频信息。
本发明实施例中，所述音频信息包括各种各样的环境音，如设备碰撞，设备、线路故障等情况产生的爆破噪声等。本发明其中一个实施例中，以唱歌场景为例，音乐、人声为主环境音，而风扇转动、杯子碰撞、马路声音等均可能为次环境音。
详细的，参考图2所示，本发明实施例中，所述S1包括：
S11、获取所述音频信息中音波电信息的变化曲率，并获取变化曲率大于预设突变阈值的音波电信息作为噪点；
S12、获取所述音频信息中所述噪点的预设邻域内的音波电信息，得到音波电信息集合，并根据所述音波电信息集合，计算平均音波数值；
S13、利用所述平均音波数值替换所述噪点的音波数值，得到降噪音频信息。
其中，所述音波电信息是指示波器将音波的震动信号转化来的电信号。
本发明实施例中，将所述音频信息转化为电信号曲线，可以观测到所述音频信息中音波电信息的变化曲率。其中，受限于噪点突变性及短暂性的特性，本发明实施例根据经验数据制定突变阈值对噪点位置进行把控。然后通过取噪点预设邻域内的n个音波电信息，并对所述n个音波电信息进行平均计算，得到平均音波数值，进而利用所述平均音波数值替换所述噪点的音波数值，得到降噪音频信息。
S2、利用预训练的环境音频协调模型中的主体音频识别网络，识别所述降噪音频信息中存在的声音类别，得到声音类别集合，并将所述声音类别集合进行主次环境划分，得到主环境音频类别集合。
本发明实施例中，所述环境音频协调模型为一种基于神经网络的组合模型，其中包括主体音频识别网络及类别协调网络。其中，所述主体音频识别网络用于识别出降噪音频信息中的声音类别并对所述声音类别进行主次环境划分，而所述类别协调网络则用于识别各个环境音对目标播放内容的协调性。
详细的，本发明实施例中，所述S2包括：
利用所述主体音频识别网络中的特征提取网络，对所述降噪音频信息进行卷积操作，得到卷积矩阵集合；
对所述卷积矩阵集合进行平均池化操作，得到池化矩阵集合；
利用所述主体音频识别网络中的flatten层对所述池化矩阵集合进行扁平化操作，得到特征序列集合；
利用所述主体音频识别网络中的全连接层将所述特征序列集合中各个特征序列进行全连接操作，得到音频特征集合；
利用所述主体音频识别网络中的决策树层，对所述音频特征集合进行特征识别分类，得到声音类别集合，并对所述音频特征集合进行场景识别，根据场景识别结果，对所述声音类别集合进行主次环境划分，得到主环境音频类别集合。
本发明实施例利用所述主体音频识别网络中的卷积层、池化层、flatten层等结构对所述降噪音频信息进行特征提取操作，得到特征序列集合，其中，所述卷积层用于进行特征值的提取，而所述池化层及flatten层用于在保持特征矩阵的特征不丢失的情况下对特征矩阵进行降维，有利于减小计算量，提高模型计算效率。然后通过全连接层将各个特征序列进行全连接，得到所述降噪音频信息中的音频特征集合，最终利用所述主体音频识别网络中的决策树层，对各个所述音频特征进行二分类或多分类，得到了所述降噪音频信息的场景及其中包含各种声音类别，并将音量较大的各类类别进行提取，得到主体音频类别。
S3、利用所述环境音频协调模型中的类别协调网络，识别所述主环境音频类别集合中的各个主环境音频类别与预构建的目标播放内容的协调性分数。
本发明实施例中，所述协调性分数是指各个主环境音频与目标播放内容的干扰程度，协调性分数越大，干扰程度越小，反之，干扰程度越大，例如目标播放内容为语音播报时，大声音乐的协调性分数低于小声音乐的协调性分数，而纯音乐的协调性分数大于rap音乐的协调性分数。
本发明实施例利用所述类别协调网络，根据所述S2中获取到的主环境音频特征集合进行音色、音量、声音类别的多分类识别，得到各个主环境音频类别与所述目标播放内容的协调性分数。
详细的，参阅图3所示，本发明实施例中，所述S3之前，所述方法还可以包括：
S31、获取包含人工标注样本的音频样本集合，并根据预设分组策略，将所述音频样本集合分为测试集及训练集；
S32、从所述训练集中提取一个音频样本，利用预构建的类别协调网络对所述音频样本进行声音种类识别及声音协调性判断识别，得到识别结果；
S33、利用预设的类别-协调性组合损失函数，计算所述识别结果与所述音频样本的人工标注之间的损失值；
S34、最小化所述损失值，得到损失值最小时的网络系数，并对所述网络系数进行网络反向传播，得到更新类别协调网络；
S35、判断所述训练集中音频样本集合是否全部参与训练；
当所述训练集中音频样本集合未全部参与训练时，返回上述的步骤S32；
当所述训练集中音频样本集合全部参与训练时，执行S36、获取最后更新的更新类别协调网络，并利用所述测试集对所述更新类别协调网络进行测试，得到测试准确率；
S37、判断所述测试准确率是否大于预设的合格阈值；
当所述测试准确率小于或等于所述合格阈值时，返回的步骤S31，对所述更新类别协调网络进行迭代更新；
当所述测试准确率大于预设的合格阈值时，执行S38、得到训练完成的类别协调网络。
具体的，本发明实施例中，根据预设的分组策略将含有人工标注样本的音频样本集合进行7：3比例的随机分组，分别得到训练集及测试集。然后利用所述训练集对预构建的类别协调网络进行正向传播计算，得到识别结果，进一步根据包含类别识别交叉熵及协调性判断交叉熵两个损失函数的类别-协调性组合损失函数，计算所述识别结果的损失值，并通过梯度下降方法，计算所述损失值最小时的网络系数，然后通过预构建的bp神经网络的反向传播机制，将所述网络系数反向更新，得到更新类别协调网络。
当所述训练集中的音频样本全部参与训练后，利用所述测试集检测所述更新类别协调网络的准确性，当所述准确性大于预设的合格阈值时，得到训练完成的类别协调网络，否则，对训练集及测试集进行重新分组，对类别协调网络进行训练。
在所述类别协调网络训练完成后，本发明实施例，根据所述类别协调网络中的相似度算法，计算所述各个主环境音频信息与目标播放内容的在音色与音量上的相似度，并根据所述类别协调网络的输出层将所述相似度转化为协调性分数，其中，相似度越大所述协调性分数越小，相似度越小，协调性分数越大。
S4、根据预构建的抗干扰策略对各个协调性分数进行加权计算，生成抗干扰信号值，并根据所述抗干扰信号值，对所述目标播放内容进行音频增强操作，得到适应所述周围环境的目标播放内容。
本发明实施例中，所述抗干扰策略是指，生成与所述主环境音频波段相反的电信号，用于抵消主环境音频对所述目标播放内容的干扰，且主环境音频的干扰越大，则对应的权重系数越大。
详细的，参阅图4所示，本发明实施例中，所述根据预构建的抗干扰策略对各个协调性分数进行加权计算，生成抗干扰信号值，包括：
S41、利用预设的反比例经验函数，对各个所述主环境音频类别的协调性分数进行函数计算，得到各个主环境音频类别对应的干扰分数；
S42、根据预设的权重分配表格，查询各个干扰分数对应的权重系数，并根据所述权重系数及所述干扰分数，对各个主环境音频类别对应的音频参数进行加权平均计算，得到抗干扰信号值。
本发明实施例中，所述主环境音频的协调性分数越大，表明所述主环境音频对目标播放内容的干扰越小，反之，所述主环境音频的协调性分数越小，表明所述主环境音频对目标播放内容的干扰越大，因此，本发明实施例设置反比例经验函数，将所述协调性分数转化为干扰分数，然后查看所述干扰分数对应的权重，根据所述权重、干扰分数及各个主环境音频自身的音频参数进行电信号转化，得到抗干扰信号值，然后利用预构建的信号增幅器，根据所述抗干扰信号值对目标播放内容进行音频增强，使得目标播放内容适应所述周围环境中的各个主环境音频。
本发明实施例先通过主体音频识别网络识别出音频中涉及的所有声音类别，然后对识别出的声音类别进行划分，得到主环境音频类别，然后通过所述环境音频协调模型中的类别协调网络，对主环境音频类别与目标播放内容进行协调性识别，得到各个主环境音对目标播放内容的协调性分数，其中，所述环境音频协调模型为一种基于神经网络的组合模型，能够准确对所述降噪音频信息进行解析，增加识别环境音的效率，此外，不同主环境音频类别对于目标播放内容的干扰程度不同，可根据所述协调性分数，生成抗干扰信号对环境音进行对抗，目标播放音进行增强。因此，本发明实施例提供的一种基于环境音的音频控制方法，能够根据不同环境音，对播放的音频内容进行适应性变化，从而实现提升人们对播放内容的识别效果。
如图5所示，是本发明一实施例提供的基于环境音的音频控制装置的功能模块图。
本发明所述基于环境音的音频控制装置100可以安装于电子设备中。根据实现的功能，所述基于环境音的音频控制装置100可以包括降噪处理模块101、音频主环境识别模块102、协调性识别模块103及目标音增强模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述降噪处理模块101，用于对周围环境的音频信息进行平滑处理，得到降噪音频信息；
所述音频主环境识别模块102，用于利用预训练的环境音频协调模型中的主体音频识别网络，识别所述降噪音频信息中存在的声音类别，得到声音类别集合，并将所述声音类别集合进行主次环境划分，得到主环境音频类别集合；
所述协调性识别模块103，用于利用所述环境音频协调模型中的类别协调网络，识别所述主环境音频类别集合中的各个主环境音频类别与预构建的目标播放内容的协调性分数；
所述目标音增强模块104，用于根据预构建的抗干扰策略对各个协调性分数进行加权计算，生成抗干扰信号值，并根据所述抗干扰信号值，对所述目标播放内容进行音频增强操作，得到适应所述周围环境的目标播放内容。
详细地，本申请实施例中所述基于环境音的音频控制装置100中所述的各模块在使用时采用与上述图1至图4中所述的基于环境音的音频控制方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图6所示，是本发明一实施例提供的实现基于环境音的音频控制方法的电子设备1的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于环境音的音频控制程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing Unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行基于环境音的音频控制程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、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11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于环境音的音频控制程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准（Peripheral ComponentInterconnect，简称PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备1与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图6仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图6示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于环境音的音频控制程序是多个指令的组合，在所述处理器10中运行时，可以实现：
对周围环境的音频信息进行平滑处理，得到降噪音频信息；
利用预训练的环境音频协调模型中的主体音频识别网络，识别所述降噪音频信息中存在的声音类别，得到声音类别集合，并将所述声音类别集合进行主次环境划分，得到主环境音频类别集合；
利用所述环境音频协调模型中的类别协调网络，识别所述主环境音频类别集合中的各个主环境音频类别与预构建的目标播放内容的协调性分数；
根据预构建的抗干扰策略对各个协调性分数进行加权计算，生成抗干扰信号值，并根据所述抗干扰信号值，对所述目标播放内容进行音频增强操作，得到适应所述周围环境的目标播放内容。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1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存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，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）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
对周围环境的音频信息进行平滑处理，得到降噪音频信息；
利用预训练的环境音频协调模型中的主体音频识别网络，识别所述降噪音频信息中存在的声音类别，得到声音类别集合，并将所述声音类别集合进行主次环境划分，得到主环境音频类别集合；
利用所述环境音频协调模型中的类别协调网络，识别所述主环境音频类别集合中的各个主环境音频类别与预构建的目标播放内容的协调性分数；
根据预构建的抗干扰策略对各个协调性分数进行加权计算，生成抗干扰信号值，并根据所述抗干扰信号值，对所述目标播放内容进行音频增强操作，得到适应所述周围环境的目标播放内容。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (8)

1.一种基于环境音的音频控制方法，其特征在于，所述方法包括：
对周围环境的音频信息进行平滑处理，得到降噪音频信息；
利用预训练的环境音频协调模型中的主体音频识别网络，识别所述降噪音频信息中存在的声音类别，得到声音类别集合，并将所述声音类别集合进行主次环境划分，得到主环境音频类别集合；
利用所述环境音频协调模型中的类别协调网络中的相似度算法计算各个主环境音频信息与目标播放内容的在音色与音量上的相似度，并根据所述类别协调网络的输出层将所述相似度转化为协调性分数，其中，相似度越大所述协调性分数越小，相似度越小，协调性分数越大；
利用预设的反比例经验函数，对各个所述主环境音频类别的协调性分数进行函数计算，得到各个主环境音频类别对应的干扰分数，根据预设的权重分配表格，查询各个干扰分数对应的权重系数，并根据所述权重系数及所述干扰分数，对各个主环境音频类别对应的音频参数进行加权平均计算，得到抗干扰信号值，并根据所述抗干扰信号值，生成与所述主环境音频波段相反的电信号对所述目标播放内容进行音频增强操作，得到适应所述周围环境的目标播放内容。
2.如权利要求1所述的基于环境音的音频控制方法，其特征在于，所述利用预训练的环境音频协调模型中的主体音频识别网络，识别所述降噪音频信息中存在的声音类别，得到声音类别集合，并将所述声音类别集合进行主次环境划分，得到主环境音频类别集合，包括：
利用所述主体音频识别网络中的特征提取网络，对所述降噪音频信息进行卷积操作，得到卷积矩阵集合；
对所述卷积矩阵集合进行平均池化操作，得到池化矩阵集合；
利用所述主体音频识别网络中的flatten层对所述池化矩阵集合进行扁平化操作，得到特征序列集合；
利用所述主体音频识别网络中的全连接层将所述特征序列集合中各个特征序列进行全连接操作，得到音频特征集合；
利用所述主体音频识别网络中的决策树层，对所述音频特征集合进行特征识别分类，得到声音类别集合，并对所述音频特征集合进行场景识别，根据场景识别结果，对所述声音类别集合进行主次环境划分，得到主环境音频类别集合。
3.如权利要求1所述的基于环境音的音频控制方法，其特征在于，所述利用所述环境音频协调模型中的类别协调网络，识别所述主环境音频类别集合中的各个主环境音频类别与预构建的目标播放内容的协调性分数之前，所述方法还包括：
获取包含人工标注样本的音频样本集合，并根据预设分组策略，将所述音频样本集合进行分组为测试集及训练集；
从所述训练集中提取一个音频样本，利用预构建的类别协调网络对所述音频样本中的两种声音进行声音种类识别及声音协调性判断识别，得到识别结果；
利用预设的类别-协调性组合损失函数，计算所述识别结果与所述音频样本的人工标注之间的损失值；
最小化所述损失值，得到损失值最小时的网络系数，并对所述网络系数进行网络反向传播，得到更新类别协调网络；
判断所述训练集中音频样本集合是否全部参与训练；
当所述训练集中音频样本集合未全部参与训练时，返回上述从所述训练集中提取一个音频样本，利用预构建的类别协调网络对所述音频样本进行声音种类识别及声音协调性判断识别，得到识别结果的步骤；
当所述训练集中音频样本集合全部参与训练时，获取最后更新的更新类别协调网络，并利用所述测试集对所述更新类别协调网络进行测试，得到测试准确率；
判断所述测试准确率是否大于预设的合格阈值；
当所述测试准确率小于或等于所述合格阈值时，返回获取包含人工标注样本的音频样本集合，并根据预设分组策略，将所述音频样本集合进行分组为测试集及训练集的步骤，对所述更新类别协调网络进行迭代更新；
当所述测试准确率大于预设的合格阈值时，得到训练完成的类别协调网络。
4.如权利要求1所述的基于环境音的音频控制方法，其特征在于，所述对周围环境的音频信息进行平滑处理，得到降噪音频信息，包括：
获取所述音频信息中音波电信息的变化曲率，并获取变化曲率大于预设突变阈值的音波电信息作为噪点；
获取所述音频信息中所述噪点的预设邻域内的音波电信息，得到音波电信息集合，并根据所述音波电信息集合，计算平均音波数值；
利用所述平均音波数值替换所述噪点的音波数值，得到降噪音频信息。
5.一种基于环境音的音频控制装置，其特征在于，所述装置包括：
降噪处理模块，用于对周围环境的音频信息进行平滑处理，得到降噪音频信息；
音频主环境识别模块，用于利用预训练的环境音频协调模型中的主体音频识别网络，识别所述降噪音频信息中存在的声音类别，得到声音类别集合，并将所述声音类别集合进行主次环境划分，得到主环境音频类别集合；
协调性识别模块，用于利用所述环境音频协调模型中的类别协调网络中的相似度算法计算各个主环境音频信息与目标播放内容的在音色与音量上的相似度，并根据所述类别协调网络的输出层将所述相似度转化为协调性分数，其中，相似度越大所述协调性分数越小，相似度越小，协调性分数越大；
目标音增强模块，用于利用预设的反比例经验函数，对各个所述主环境音频类别的协调性分数进行函数计算，得到各个主环境音频类别对应的干扰分数，根据预设的权重分配表格，查询各个干扰分数对应的权重系数，并根据所述权重系数及所述干扰分数，对各个主环境音频类别对应的音频参数进行加权平均计算，得到抗干扰信号值，并根据所述抗干扰信号值，生成与所述主环境音频波段相反的电信号对所述目标播放内容进行音频增强操作，得到适应所述周围环境的目标播放内容。
6.如权利要求5所述的基于环境音的音频控制装置，其特征在于，所述利用预训练的环境音频协调模型中的主体音频识别网络，识别所述降噪音频信息中存在的声音类别，得到声音类别集合，并将所述声音类别集合进行主次环境划分，得到主环境音频类别集合，包括：
利用所述主体音频识别网络中的特征提取网络，对所述降噪音频信息进行卷积操作，得到卷积矩阵集合；
对所述卷积矩阵集合进行平均池化操作，得到池化矩阵集合；
利用所述主体音频识别网络中的flatten层对所述池化矩阵集合进行扁平化操作，得到特征序列集合；
利用所述主体音频识别网络中的全连接层将所述特征序列集合中各个特征序列进行全连接操作，得到音频特征集合；
利用所述主体音频识别网络中的决策树层，对所述音频特征集合进行特征识别分类，得到声音类别集合，并对所述音频特征集合进行场景识别，根据场景识别结果，对所述声音类别集合进行主次环境划分，得到主环境音频类别集合。
7.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，所述计算机程序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如权利要求1至4中任意一项所述的基于环境音的音频控制方法。
8.一种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4中任意一项所述的基于环境音的音频控制方法。
CN202210640823.5A 2022-06-08 2022-06-08 基于环境音的音频控制方法、装置、设备及存储介质 Active CN114722884B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210640823.5A CN114722884B (zh) 2022-06-08 2022-06-08 基于环境音的音频控制方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210640823.5A CN114722884B (zh) 2022-06-08 2022-06-08 基于环境音的音频控制方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114722884A CN114722884A (zh) 2022-07-08
CN114722884B true CN114722884B (zh) 2022-09-30

Family

ID=82232761

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210640823.5A Active CN114722884B (zh) 2022-06-08 2022-06-08 基于环境音的音频控制方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114722884B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102800111A (zh) * 2012-07-19 2012-11-28 北京理工大学 基于颜色协调性的彩色融合图像颜色质量评价方法
CN107545890A (zh) * 2017-08-31 2018-01-05 桂林电子科技大学 一种声音事件识别方法
CN107948869A (zh) * 2017-12-12 2018-04-20 深圳Tcl新技术有限公司 音频处理方法、装置、音响系统及存储介质
CN110930987A (zh) * 2019-12-11 2020-03-27 腾讯科技（深圳）有限公司 音频处理方法、装置和存储介质
CN111261146A (zh) * 2020-01-16 2020-06-09 腾讯科技（深圳）有限公司 语音识别及模型训练方法、装置和计算机可读存储介质
CN111385688A (zh) * 2018-12-29 2020-07-07 安克创新科技股份有限公司 一种基于深度学习的主动降噪方法、装置及系统
CN112420063A (zh) * 2019-08-21 2021-02-26 华为技术有限公司 一种语音增强方法和装置
CN112750462A (zh) * 2020-08-07 2021-05-04 腾讯科技（深圳）有限公司 一种音频处理方法、装置及设备
CN114220458A (zh) * 2021-11-16 2022-03-22 武汉普惠海洋光电技术有限公司 基于阵列水听器的声音识别方法和装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10318813B1 (en) * 2016-03-11 2019-06-11 Gracenote, Inc. Digital video fingerprinting using motion segmentation
CN112233700A (zh) * 2020-10-09 2021-01-15 平安科技（深圳）有限公司 基于音频的用户状态识别方法、装置及存储介质
CN114489561A (zh) * 2022-02-15 2022-05-13 平安国际智慧城市科技股份有限公司 音频音量智能调节方法、装置、电子设备及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102800111A (zh) * 2012-07-19 2012-11-28 北京理工大学 基于颜色协调性的彩色融合图像颜色质量评价方法
CN107545890A (zh) * 2017-08-31 2018-01-05 桂林电子科技大学 一种声音事件识别方法
CN107948869A (zh) * 2017-12-12 2018-04-20 深圳Tcl新技术有限公司 音频处理方法、装置、音响系统及存储介质
CN111385688A (zh) * 2018-12-29 2020-07-07 安克创新科技股份有限公司 一种基于深度学习的主动降噪方法、装置及系统
CN112420063A (zh) * 2019-08-21 2021-02-26 华为技术有限公司 一种语音增强方法和装置
CN110930987A (zh) * 2019-12-11 2020-03-27 腾讯科技（深圳）有限公司 音频处理方法、装置和存储介质
CN111261146A (zh) * 2020-01-16 2020-06-09 腾讯科技（深圳）有限公司 语音识别及模型训练方法、装置和计算机可读存储介质
CN112750462A (zh) * 2020-08-07 2021-05-04 腾讯科技（深圳）有限公司 一种音频处理方法、装置及设备
CN114220458A (zh) * 2021-11-16 2022-03-22 武汉普惠海洋光电技术有限公司 基于阵列水听器的声音识别方法和装置

Also Published As

Publication number Publication date
CN114722884A (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
CN111681681A (zh) 语音情绪识别方法、装置、电子设备及存储介质
CN106874279A (zh) 生成应用类别标签的方法及装置
CN106157972B (zh) 使用局部二进制模式进行声学情境辨识的方法和设备
CN112560453A (zh) 语音信息校验方法、装置、电子设备及介质
CN113064994A (zh) 会议质量评估方法、装置、设备及存储介质
CN113903363B (zh) 基于人工智能的违规行为检测方法、装置、设备及介质
CN112233700A (zh) 基于音频的用户状态识别方法、装置及存储介质
CN114866807A (zh) 虚拟形象视频生成方法、装置、电子设备及可读存储介质
CN114489561A (zh) 音频音量智能调节方法、装置、电子设备及存储介质
CN112509554A (zh) 语音合成方法、装置、电子设备及存储介质
CN113807103A (zh) 基于人工智能的招聘方法、装置、设备及存储介质
CN112951233A (zh) 语音问答方法、装置、电子设备及可读存储介质
CN113793620B (zh) 基于场景分类的语音降噪方法、装置、设备及存储介质
CN112259078A (zh) 一种音频识别模型的训练和非正常音频识别的方法和装置
CN114999533A (zh) 基于情绪识别的智能问答方法、装置、设备及存储介质
CN114639152A (zh) 基于人脸识别的多模态语音交互方法、装置、设备及介质
CN114722884B (zh) 基于环境音的音频控制方法、装置、设备及存储介质
CN114333881B (zh) 基于环境自适应的音频传输降噪方法、设备及介质
CN114548114B (zh) 文本情绪识别方法、装置、设备及存储介质
CN116503608A (zh) 基于人工智能的数据蒸馏方法及相关设备
CN113555003B (zh) 语音合成方法、装置、电子设备及存储介质
CN112071331B (zh) 语音文件修复方法、装置、计算机设备及存储介质
CN113902404A (zh) 基于人工智能的员工晋升分析方法、装置、设备及介质
CN112712797A (zh) 语音识别方法、装置、电子设备及可读存储介质
CN113628043B (zh) 基于数据分类的投诉有效性判断方法、装置、设备及介质

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