CN115051991A

CN115051991A - 音频处理方法、装置、存储介质与电子设备

Info

Publication number: CN115051991A
Application number: CN202210806328.7A
Authority: CN
Inventors: 李憬然; 郝鹏; 罗腾伟; 马泽君
Original assignee: Beijing Youzhuju Network Technology Co Ltd
Current assignee: Beijing Youzhuju Network Technology Co Ltd
Priority date: 2022-07-08
Filing date: 2022-07-08
Publication date: 2022-09-13

Abstract

本公开涉及一种音频处理方法、装置、存储介质与电子设备，涉及计算机技术领域。应用于云端服务器，该方法包括：接收至少两个待翻译音频，该至少两个待翻译音频对应至少两个语种；将该至少两个待翻译音频进行翻译，得到该至少两个待翻译音频分别对应的至少两个目标音频，该至少两个目标音频对应不同指定语种；通过至少两个音频播放装置分别播放该至少两个目标音频。采用本公开提出的音频处理方法，可以使得不同用户使用不同的音频播放装置，来同时听到翻译成指定语种的音频，从而使得说话者与听者之间能够即时传译，提升二者之间的交互实时性。

Description

音频处理方法、装置、存储介质与电子设备

技术领域

本公开涉及计算机技术领域，具体地，涉及一种音频处理方法、装置、存储介质与电子设备。

背景技术

随着社会的发展，全球化使得各个国家的人民紧密联系起来，不同国家具有不同的语种，随着当不同语种的人沟通交流的现象越来越频繁，市面上出现了翻译设备，翻译设备将说话者的语言，翻译为听者的语言，从而实现说话者与听者之间的沟通交流。

然而，说话者与听者使用翻译设备来进行沟通交流时，只能一人一句进行交流，在说话者说完之后，听者才能看到或听到翻译结果并做出回应，使得说话者与听者之间的交互实时性差。

发明内容

提供该部分内容以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该部分内容并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种音频处理方法，应用于云端服务器，所述方法包括：

接收至少两个待翻译音频，所述至少两个待翻译音频对应至少两个语种；

将所述至少两个待翻译音频进行翻译，得到所述至少两个待翻译音频分别对应的至少两个目标音频，所述至少两个目标音频对应不同指定语种；

通过至少两个音频播放装置分别播放所述至少两个目标音频。

第二方面，本公开提供一种音频处理方法，应用于音频采集装置，所述方法包括：

对采集到的多个音频进行话者分离，得到分离后的至少两个待翻译音频，所述至少两个待翻译音频分别对应至少两个语种；

向云端服务器发送所述至少两个待翻译音频，所述至少两个待翻译音频用于所述云端服务器将所述至少两个待翻译音频翻译为至少两个目标音频，并通过至少两个音频播放装置分别播放所述至少两个目标音频，所述至少两个目标音频对应不同指定语种。

第三方面，本公开提供一种音频处理装置，应用于云端服务器，所述装置包括：

接收模块，被配置为接收至少两个待翻译音频，所述至少两个待翻译音频对应至少两个语种；

翻译模块，被配置为将所述至少两个待翻译音频进行翻译，得到所述至少两个待翻译音频分别对应的至少两个目标音频，所述至少两个目标音频对应不同指定语种；

播放模块，被配置为通过至少两个音频播放装置分别播放所述至少两个目标音频。

第四方面，本公开提供一种音频处理装置，应用于音频采集装置，所述音频处理装置包括：

话者分离模块，被配置为对采集到的多个音频进行话者分离，得到分离后的至少两个待翻译音频，所述至少两个待翻译音频分别对应至少两个语种；

发送模块，被配置为向云端服务器发送所述至少两个待翻译音频，所述至少两个待翻译音频用于所述云端服务器将所述至少两个待翻译音频翻译为至少两个目标音频，并通过至少两个音频播放装置分别播放所述至少两个目标音频，所述至少两个目标音频对应不同指定语种。

第五方面，本公开提供一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现第一方面或第二方面提供的音频处理方法的步骤。

第六方面，本公开提供一种电子设备，包括：

存储装置，其上存储有至少一个计算机程序；

至少一个处理装置，用于执行所述存储装置中的所述至少一个计算机程序，以实现第一方面或第二方面提供的音频处理方法的步骤。

通过上述技术方案，云端服务器可同时接收至少两个待翻译音频，并分别对至少两个待翻译音频进行同时翻译，得到至少两个待翻译音频分别对应的至少两个目标音频，不同的语言人可以使用不同的音频播放装置，来分别播放已翻译后的目标音频。在说话者说话的过程中，由于云端服务器可以同时将不同的待翻译音频翻译成目标音频，且不同的语言人可以使用不同的音频播放装置同时播放各自指定语种的目标音频，所以不同的语言人可以同时听到对方说话者翻译后的目标音频，从而实时地进行沟通交流，提升了不同语言人之间的交互实时性。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：

图1是一示例性实施例示出的音频处理方法的步骤流程图。

图2是一示例性实施例示出的云端服务器、终端以及音频采集装置进行交互的示意图。

图3是一示例性实施例示出的音频处理方法的步骤流程图。

图4是一示例性实施例示出的音频采集装置的框图。

图5是一示例性实施例示出的音频处理模块与通信模块在休眠模式与唤醒模式之间切换的示意图。

图6是一示例性实施例示出的音频处理方法的步骤流程图。

图7是一示例性实施例示出的终端与音频处理模块进行交互的示意图。

图8是一示例性实施例示出的音频采集装置在启动状态、连接状态、工作状态与断开连接状态之间切换的逻辑示意图。

图9是一示例性实施例示出的音频处理装置的框图。

图10是一示例性实施例示出的音频处理装置的框图。

图11是一示例性实施例示出的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。

可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。

例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。

作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。

可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。

同时，可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。

请参阅图1，本公开提出一种音频处理方法，应用于云端服务器中，包括以下步骤。

步骤S11：接收至少两个待翻译音频，所述至少两个待翻译音频对应至少两个语种。

其中，至少两个待翻译音频是采集至少两个不同语种的语言人的音频所得到的，一个待翻译音频中包括一个语言人的一个语音片段或多个语音片段，一个语言人可以为一个或多个说话者。

示例地，云端服务器接收到第一语言人的第一待翻译音频为“你好，第二语言人”，接收到第二语言人的第二待翻译音频为“hello”，第一语言人的第一待翻译音频则包括“你好”以及“第二语言人”这两个语音片段，第二语言人的第二待翻译音频则包括“hello”这一个语音片段。

一个待翻译音频可以被打包为一个音频文件或多个音频文件在云端服务器与音频采集装置之间进行传输，多个待翻译音频也可以被打包为一个音频文件或多个音频文件在云端服务器与音频采集装置进行传输，本申请在此不做限制。

示例地，第一语言人的第一待翻译音频“你好”以及“第二语言人”可以被打包为一个音频文件，或打包为两个音频文件来进行传输；第一语言人的第一待翻译音频与第二语言人的第二待翻译音频也可以被共同打包为一个音频文件来进行传输，或分别打包为两个音频文件来进行传输。

步骤S12：将所述至少两个待翻译音频进行翻译，得到所述至少两个待翻译音频分别对应的至少两个目标音频，所述至少两个目标音频对应不同指定语种。

本步骤中，云端服务器在接收到待翻译音频，将待翻译音频翻译成目标音频之后，可以将目标音频转发至终端，终端中存储有每组待翻译音频的语种、目标音频的语种以及音频播放装置三者之间的对应关系，终端依据这三者之间的对应关系，将目标音频转发至指定的音频播放装置。

其中，音频播放装置可以为耳机、手机、电脑等具有扬声器的设备；耳机可以为同一套耳机中的左右耳机，也可以为不配套的耳机；终端可以为手机、电脑等设备。

示例地，请参阅图2所示，终端可以设置右耳机播放从语种A翻译成语种B的音频，设置左耳机播放从语种B翻译成语种A的音频。如此，终端中便具有待翻译音频的语种A、目标音频的语种B以及右耳机这三者之间的第一对应关系；也具有待翻译音频的语种B、目标音频的语种A以及左耳机这三者之间的第二对应关系。当终端接收到云端服务器发送的语种为语种A的目标音频时，则会依据第二对应关系，将翻译成语种A的目标音频发送给左耳机，通过左耳机来播放翻译成语种A的目标音频。

其中，待翻译音频与目标音频的语种不同，目标音频指的是一种语种的待翻译音频翻译为另外一种语种后的音频，且该目标音频的语种可以在音频播放装置上或者可以对音频播放装置进行设定的终端上进行指定，当然，音频播放装置或对音频播放装置的播放语种进行指定的终端不仅仅可以指定一种语种，也可以指定不同语种。

步骤S13：通过至少两个音频播放装置分别播放所述至少两个目标音频。

相关技术中，第一语言人与第二语言人在使用翻译设备进行沟通交流时，第一语言人说完之后，翻译设备会将第一语言人的语言翻译为第二语言人的语言，翻译设备再播放已翻译音频；同理，也需要第二语言人说完之后，翻译设备再播放已翻译音频。在翻译设备播放已翻译音频的期间内，第一语言人与第二语言人均需要等待翻译设备播放完翻译后的音频之后，才能继续进行沟通交流，导致第一语言人与第二语言人只能一人一句地进行交互，二者的交互实时性较差。

本步骤中，云端服务器可同时接收至少两个待翻译音频，并分别对至少两个待翻译音频进行同时翻译，得到至少两个待翻译音频分别对应的至少两个音频，不同的语言人可以使用不同的音频播放装置，来分别播放已翻译后的目标音频。在说话者说话的过程中，由于云端服务器可以同时将不同的待翻译音频翻译成目标音频，且不同的语言人可以使用不同的音频播放装置同时播放各自指定语种的目标音频，所以不同的语言人可以同时听到对方说话者翻译后的目标音频，从而实时地进行沟通交流，提升了不同语言人之间的交互实时性。

在一种可能的实施方式中，云端服务器主要用于对接收到的至少两个待翻译音频进行翻译得到与至少两个待翻译音频对应的至少两个目标音频。

请参阅图2所示，云端服务器包括：解压模块、ASR(Automatic SpeechRecognition，自动语音识别)模块、NLP(Natural Language Processing，自然语言处理)模块、翻译模块以及TTS(Text To Speech，语音合成技术)模块。

其中，解压模块可以接收音频采集装置发送的至少两个待翻译音频，对至少两个待翻译音频进行解压，得到至少两个解压音频，并将至少两个解压音频发送至ASR模块。

具体地，由于至少两个待翻译音频，是由音频采集装置对采集到的多个音频进行话者分离得到至少两个分离音频，并对至少两个分离音频进行压缩后得到，解压模块所得到的是至少两个被压缩后的分离音频，所以解压模块需要对至少两个分离音频进行解压，才能对解压后的分离音频进行翻译。

其中，ASR模块可以识别至少两个解压音频对应的至少两个待翻译文本，并将至少两个待翻译文本发送至NLP模块。

具体地，ASR模块是自动语音识别模块，可以对语音进行识别，并转换成文本。

其中，NLP模块可以接收至少两个待翻译文本，解析至少两个待翻译文本的语义信息，并将至少两个待翻译文本的语义信息发送至翻译模块。

其中，翻译模块根据至少两个待翻译文本的语义信息，将至少两个待翻译文本翻译成至少两个目标文本，并将至少两个目标文本发送至TTS模块。

具体地，由于终端在对音频播放装置进行设置后，便存储了待翻译音频的语种与目标音频的语种之间的对应关系，所以终端在接收到音频采集装置发送的待翻译音频之后，可以确定出待翻译音频的语种，并依据对应关系确定目标音频的语种，将携带有对应关系的待翻译音频的语种与目标音频的语种的指定语种信息发送至云端服务器，云端服务器依据指定语种信息，便可以确定待翻译音频的语种与目标音频的语种，进而将待翻译音频翻译为目标音频。

指定语种信息是通过解压模块、ASR模块、NLP模块的传输，转发至翻译模块，由翻译模块依据指定语种信息，将待翻译音频翻译成目标音频。

示例地，终端在对音频播放装置进行设置后，存储了待翻译音频为语种A、目标音频为语种B之间的对应关系。当终端接收到音频采集装置发送的语种A的待翻译音频之后，依据对应关系确定目标音频的语种为语种B，则将语种A的待翻译音频，以及待翻译音频为语种A与目标音频为语种B之间的对应关系打包成指定语种信息发送至云端服务器，云端服务器依据指定语种信息，将语种A的待翻译音频翻译成语种B的目标音频。

云端服务器上还配置有不同领域的翻译数据库，不同领域的翻译数据库包括：人工智能的专业词汇库、金融行业的专业词汇库等等。

当云端服务器将待翻译音频翻译成目标音频时，可以确定待翻译音频所属的领域，并依据待翻译音频所属的领域，从与该待翻译音频所属领域相同领域的翻译数据库中查找词汇，以翻译成目标音频。

具体地，是云端服务器中的翻译模块将待翻译文本翻译成目标文本时，依据待翻译文本中的词汇确定待翻译文本所属的领域，并从多个翻译数据库中确定出与待翻译文本所属领域相同领域的翻译数据库，从该翻译数据库中获取目标音频的词汇，以将待翻译文本翻译成目标文本。

通过云端服务器依据待翻译音频所属的领域不同，来调用不同领域的翻译数据库，可以使得云端服务器所查找的目标音频的词汇，能够更加接近待翻译音频的领域，使得翻译出的目标音频的准确度较高。

其中，TTS模块根据至少两个目标文本，生成与至少两个目标文本对应的至少两个目标音频，并将至少两个目标音频发送给至少两个音频播放装置。

具体地，TTS模块是将文本转换成语音的转换模块，那么，当TTS模块接收到翻译模块的至少两个目标文本之后，可以将至少两个目标文本转换成至少两个目标音频，并将至少两个目标音频通过终端转发至至少两个音频播放装置。

请参阅图3所示，本公开还提出一种音频处理方法，该方法运用在音频采集装置中，具体包括以下步骤。

步骤S21：对采集到的多个音频进行话者分离，得到分离后的至少两个待翻译音频，所述至少两个待翻译音频分别对应至少两个语种。

其中，音频采集装置用于采集多人说话的多个音频，并将多人说话的多个音频进行话者分离，以分离为至少两种语言人的待翻译音频，音频采集装置可以为BLE(BluetoothLow Energy，低功耗蓝牙)设备、话筒、调音控制台、声卡等录音设备。

具体地，请参阅图4所示，音频采集装置包括：麦克风阵列模块、音频处理模块、通信模块以及电源模块。

其中，麦克风阵列模块用于同时采集多个说话人的音频，并将多人说话的多个音频发送至音频处理模块。

音频处理模块用于对多人说话的多个音频进行降噪、AGC(Automatic GainControl，自动增益控制)处理、话者分离等等，得到至少两个分离音频，至少两个分离音频对应至少两个语种；并对至少两个音频进行压缩，得到至少两个待翻译音频，至少两个待翻译音频是通过至少两个分离音频压缩得到，因此也对应至少两个语种。

通信模块用于与终端建立通信连接，将至少两个待翻译音频发送至终端，并通过终端将至少两个待翻译音频发送至云端服务器进行翻译。

电源模块用于为麦克风阵列模块、音频处理模块以及通信模块供电。

本步骤中，可以通过多个音频采集装置来采集多人说话的音频，也可以通过一个音频采集装置来采集多人说话的音频。

其中，可以通过终端设置音频采集装置采集指定方向的音频，也可以在音频采集装置上设置音频采集装置采集指定方向的音频，以将波束以外的音频过滤，将波束以内的音频作为多人说话的音频，进而实现音频的降噪。

请参阅图2所示，以终端设置一个音频采集装置采集指定方向的音频举例，终端设置音频采集装置采集指定方向为-30°到30°区间内的音频(如图2所示的波束2内的音频)，设置音频采集装置采集150°到210°区间内的音频(如图2所示的波束1内的音频)，而第二语言人位于-30°到30°区间，第一语言人位于150°到210°区间，那么音频采集装置则可以采集第一语言人的音频，也可以采集第二语言人的音频，并过滤掉其余波束上的杂音，对其余波束上的噪音进行抑制，以实现音频的降噪。

又如，终端设置音频采集装置1采集指定方向为-30°到30°区间内的音频，设置音频采集装置2采集150°到210°区间内的音频，如此，第一语言人则可以位于音频采集装置1的-30°到30°的采集区间内，第二语言人则可以位于音频采集装置2的150°到210°区间内。那么音频采集装置1则可以采集到第一语言人的音频，音频采集装置2可以采集到第二语言人的音频。

运用在终端上，终端上可以以指南针的形式来设定音频采集装置采集音频的波束方向，用户可以在终端上将指南针转动至指向自己的方向，如此，终端则可以控制音频采集装置采集用户自身所在方向的音频。

相关技术中，是采用带麦克风的耳机，来采集用户的说话音频，并播放其余用户的说话音频。不管是采集音频，还是播放音频，均需要占用耳机的带宽，导致耳机分配给采集音频时压缩音频的带宽较少，所以通过带麦克风的耳机压缩得到的音频的压缩文件较大，文件传输速率较慢。

本步骤中，是单独采用音频采集装置来对多人说话的音频进行采集，由于音频采集装置用于单独采集用户的说话音频，所以分配给压缩音频的带宽较多，通过音频采集装置压缩得到的音频的压缩文件较小，通常情况下，采用带麦克风的耳机压缩音频，其压缩倍率为16倍，而采用本公开提出的音频采集装置，可以将压缩倍率降低至8倍或4倍。

可见，采用音频采集装置压缩得到的音频的压缩倍率更低，压缩文件更小，当数据量更小的压缩文件在音频采集装置、终端以及云端服务器之间进行传输时，才能更快地传输至云端服务器，从而更快地得到翻译后的目标音频，进一步实现不同语言人之间的即时传译。

另外，在单独采用音频采集装置之后，还可以使用音频采集装置对指定方向的音频进行增强，提高指定方向的音频的信噪比，来进一步提高指定方向的音频的清晰度，抑制噪音，从而保障音频采集装置识别到的至少两个待翻译音频的准确性。

步骤S22：向云端服务器发送所述至少两个待翻译音频，所述至少两个待翻译音频用于所述云端服务器将所述至少两个待翻译音频翻译为至少两个目标音频，并通过至少两个音频播放装置分别播放所述至少两个目标音频，所述至少两个目标音频对应不同指定语种。

本步骤中，可以通过云端服务器中的通信模块，将至少两个待翻译音频发送至终端，并通过终端将至少两个待翻译音频转发至云端服务器。

在一种可能的实施方式中，若音频采集装置中的音频处理模块与通信模块始终处于唤醒模式，会导致音频采集装置的耗能较多，待机时长较短，为了提升音频采集装置的待机时长，请参阅图5所示，音频采集装置中的音频处理模块与通信模块可以在唤醒模式(图5中的Active，表明模块处于唤醒模式)与休眠模式(图5中的Sleep，表明模块处于休眠模式)之间切换，如此，可以减少音频采集装置的耗能，提升音频采集装置的待机时长。

具体地，音频采集装置包括：音频处理模块与通信模块；音频处理模块包括：数据采集模块、信号处理模块以及数据传输模块；通信模块包括：数据接收模块与数据发送模块。

数据采集模块用于采集麦克风阵列模块发送的多人说话的音频，并将多人说话的音频转发给信号处理模块；信号处理模块用于将多人说话的音频进行降噪、AGC处理、话者分离等等，得到至少两个分离音频，并将至少两个分离音频压缩为至少两个待翻译音频，最后将至少两个待翻译音频转发给数据传输模块；数据传输模块用于将至少两个待翻译音频转发给通信模块中的数据接收模块。

数据接收模块用于与音频处理模块中的数据传输模块建立通信连接，用于接收数据传输模块转发的至少两个待翻译音频，并将至少两个待翻译音频转发至数据发送模块；数据发送模块用于与终端建立通信连接，用于将至少两个待翻译音频转发至终端。

请参阅图5所示，数据采集模块持续处于唤醒模式，可以持续对多人说话的音频进行采集，并将采集的音频发送至信号处理模块。

其中，信号处理模块具有休眠模式与唤醒模式两种模式，当信号处理模块中缓存的音频数据在第一预设数据量以上的情况下，信号处理模块从休眠模式切换至唤醒模式，以对缓存的音频数据进行处理；当信号处理模块中的缓存的音频数据小于第一预设数据量的情况下，信号处理模块保持为休眠模式。

其中，数据传输模块具有休眠模式与唤醒模式两种模式，当数据传输模块中缓存的音频数据在第二预设数据量以上的情况下，数据传输模块从休眠模式切换至唤醒模式，以将缓存的音频数据转发至数据接收模块；当数据传输模块中缓存的音频数据小于第二预设数据量的情况下，数据传输模块保持为休眠模式。

由于信号处理模块需要及时地将多人说话的音频转换为至少两种待翻译音频，所以第一预设数据量小于第二预设数据量，从而使得信号处理模块处于唤醒模式的时长更长，能够及时地将多人说话的音频转换为至少两种待翻译音频。

其中，由于数据接收模块与数据发送模块，均是为了对数据传输模块发送的音频数据进行转发，所以数据接收模块与数据发送模块处于休眠模式的时长以及处于唤醒模式的时长，和数据传输模块处于休眠模式的时长以及处于唤醒模式的时长一致，进而保障数据传输的同步性。

通过信号处理模块、数据传输模块、数据接收模块以及数据发送模块处于时而休眠时而唤醒的状态，而非始终处于唤醒的状态的设置，在这些模块处于休眠模式时，由于这些模块不会对音频数据进行转发或处理，所以耗能较少，可以减少音频处理模块与通信模块的耗能，进而提升整个音频采集装置的待机时长。

请参阅图6所示，本公开还提出一种音频处理方法，该方法运用至终端中，具体包括以下步骤。

步骤S31：接收音频采集装置采集的至少两个待翻译音频。

本步骤中，终端可以指定音频采集装置采集指定方向的音频。

具体地，终端可以显示操作界面，响应于用户在操作界面上的操作指令，控制音频采集装置采集指定方向的音频。

示例地，终端可以显示指南针形式的操作界面，用户在操作界面上可以拨动指南针，将指南针拨动至用户自身所在的方向时，终端会控制音频采集装置采集用户所在方向的音频，而过滤掉其余方向的音频，从而保障音频采集装置获取到的是指定用户说话的音频。

当终端为多个，音频采集装置为多个时，多个音频采集装置可以佩戴在不同的用户身上，此时多个音频采集装置可以分别与多个终端通信连接。如此，可以通过多个终端分别控制各自的音频采集装置采集指定方向的音频。

当终端为一个，音频采集装置为多个时，多个音频采集装置也可以与一个终端通信连接，此时多个音频采集装置可以与一个终端通信连接。如此，可以在一个终端上展示多个音频采集装置的标识，当用户点击某个音频采集装置的标识之后，即可对该音频采集装置采集音频的方向进行设置。

其中，请参阅图7示出了音频采集装置与终端之间的交互流程。

音频采集装置包括音频处理模块，音频处理模块上电后，向音频采集装置发送上电通知，音频采集装置向音频处理模块发送已经收到上电通知的消息应答；音频采集装置通过蓝牙广播自身的设备标识，终端根据音频采集装置的设备标识，来与音频采集装置进行蓝牙配对；配对成功后，终端通过音频采集装置向音频处理模块发送启动数据传输的信息，告知音频处理模块可以传输数据，音频处理模块通过音频采集装置向终端发送传输数据的消息应答；音频处理模块通过音频采集装置向终端发送处理后的至少两种待翻译音频数据；终端通过音频采集装置向音频处理模块发送停止数据传输的命令，音频处理模块停止处理多人说话的音频，并通过音频采集装置向终端发送停止数据传输的消息应答。

其中，请参阅图8示出的音频采集装置在启动状态、连接状态、工作状态以及断开连接状态之间切换的示意图，启动状态指的是音频采集装置刚开始启动时的状态，连接状态指的是音频采集装置与终端连接时的状态，工作状态指的是音频采集装置在采集音频时的状态，断开连接状态指的是音频采集装置与终端断开连接时的状态。

当音频采集装置与终端连接的情况下，音频采集装置从启动状态或断开连接状态切换至连接状态，当音频采集装置停止采集的情况下，音频采集装置从工作状态切换至连接状态。

当音频采集装置开始采集音频的情况下，音频采集装置从连接状态切换至工作状态。

当音频采集装置与终端断开连接的情况下，音频采集装置从工作状态或连接状态切换至断开连接状态，当音频采集装置中的音频处理模块上电的情况下，音频采集装置从启动状态切换至断开连接状态。

通过对音频采集装置状态的切换，可以便于用户实时地通过音频采集装置状态的切换，来确定音频采集装置处于何种工作状态，进而确定音频采集装置是否在采集音频，此时的翻译功能是否在正常运行。

步骤S32：将至少两个待翻译音频发送至云端服务器，以通过云端服务器对至少两个待翻译音频进行翻译，得到至少两个待翻译音频分别对应的至少两个目标音频。

本步骤中，终端上不仅可以指定音频采集装置采集指定方向的音频，还可以指定音频播放装置播放指定语种的音频，因此，用户在终端上对音频播放装置播放指定语种的音频后，终端上便存储了待翻译音频的语种、目标音频的语种以及音频播放装置这三者之间的对应关系。终端将至少两个待翻译音频发送至云端服务器的同时，还会将待翻译音频的语种与目标音频的语种之间的对应关系打包为指定语种信息发送至云端服务器，以使得云端服务器依据指定语种信息确定将待翻译音频的语种以及目标音频的语种，从而将待翻译音频翻译为指定语种的目标音频。

应用于第一语言人与第二语言人交互的场景下，第一语言人使用语种A，第二语言人使用语种B，第一语言人在终端上指定左耳机播放从语种B翻译为语种A的音频，第二语言人在终端上指定右耳机播放从语种A翻译为语种B的音频。如此，终端会将待翻译音频为语种B、目标音频为语种A的第一指定语种信息发送至云端服务器，将翻译音频为语种A、目标音频为语种B的第二指定语种信息发送至云端服务器。

若音频采集装置采集到第一语言人的音频，将第一语言人的音频发送至终端后，终端先对第一语言人的音频的语种进行识别，确定第一语言人的待翻译音频的语种为语种A，再依据对应关系，确定目标音频的语种为语种B；因此，终端会将待翻译音频为语种A以及目标音频为语种B的指定语种信息发送至云端服务器，云端服务器依据指定语种信息确定自身所需要翻译的待翻译音频的语种以及目标音频的语种，从而将语种为A的待翻译音频，翻译为语种为B的待翻译音频。

步骤S33：接收云端服务器返回的至少两个目标音频。

本步骤中，在云端服务器将至少两个待翻译音频翻译为至少两个目标音频之后，还需要终端将至少两个目标音频分配至至少两个音频播放装置上，来对至少两个目标音频进行播放。

步骤S34：将至少两个目标音频发送给至少两个音频播放装置，以通过至少两个音频播放装置播放至少两个目标音频。

本步骤中，由于用户在终端上对音频播放装置播放的音频进行设置之后，终端上便存储了待翻译音频的语种、目标音频的语种以及音频播放装置这三者之间的对应关系，所以终端在接收到至少两个目标音频之后，也能够依据对应关系确定播放目标音频的音频播放装置。

示例地，终端上存储了待翻译音频为语种A、目标音频为语种B、左耳机三者之间的第一对应关系，也存储了待翻译音频为语种B、目标音频为语种A、右耳机三者之间的第二对应关系。

当终端确定云端服务器返回的目标音频为语种A时，依据第二对应关系可以确定播放语种A的音频播放装置为右耳机；当终端确定云端服务器返回的目标音频为语种B时，依据第一对应关系可以确定播放语种B的音频播放装置为语种A，如此，便使得不同的音频播放装置来播放不同指定语种的目标音频。

由于本公开提出的音频处理方法运用在至少两种不同语言人之间的即时传译的场景下，所以至少两个待翻译音频指的是至少两种不同语言人的待翻译音频，至少两种不同语言人指的是多人说话的场景中，将多人分割为至少两种不同的语言人，例如在五人说话的场景下，将五人分割为说第一语种、第二语种、第三语种等等至少两种不同语种的语言人。

至少两个目标音频指的是至少待翻译音频翻译为另外一种与待翻译音频不同语种的音频，目标音频是用户在终端所指定的语种。

其中，本公开提出的音频处理方法可以运用在两种不同语言人即时传译的场景下，也可以运用在三种不同语言人即时传译的场景下，本公开在此不做限制。

以运用在中国人与韩国人交互，音频播放装置为同一套耳机的左右耳机为例，可以设置左耳机接收中文翻译成韩文的音频，设置右耳机接收韩文翻译成中文的音频，中国人佩戴右耳机(右耳机指定播放语种为中文)，韩国人佩戴左耳机(左耳机指定播放语种为韩文)。如此，中国人说话后，云端服务器会将中国人的中文音频转换成韩文音频，并将韩文音频发送至终端，终端将韩文音频发送至左耳机，使得佩戴左耳机的韩国人能够及时地听到翻译成韩文的音频；反之，韩国人说话后，佩戴右耳机的中国人也能够及时地听到翻译成中文的音频。

以运用在中国人与韩国人交互，音频播放设备为不同的手机为例，可以设置手机A接收中文翻译成韩文的音频，设置手机B接收韩文翻译成中文的音频，中国人使用手机B(手机B指定播放语种为中文)，韩国人使用手机A(手机A指定播放语种为韩文)。如此，中国人说话后，云端服务器会将中国人的中文音频转换成韩文音频发送至手机A，使用手机A的韩国人即可听到翻译成韩文的音频；韩国人说话后，使用手机B的中国人也能及时地听到翻译成中文的音频。

以运用在中国人、韩国人、日本人交互，音频播放设备为不同手机上的左右耳机为例，可以设置手机A的左耳机接收韩文翻译成中文的音频，设置手机A的右耳机接收日文翻译成中文的音频；设置手机B的左耳机接收韩文翻译成日文的音频，设置手机B的右耳机接收中文翻译成日文的音频；设置手机C的左耳机接收中文翻译成韩文的音频，设置手机C的右耳机接收日文翻译成韩文的音频，中国人使用手机A，日本人使用手机B，韩国人使用手机C。

如此，中国人说话后，云端服务器会将中国人的中文音频转换成日文音频以及韩文音频，并将日文音频发送至手机B的右耳机，将韩文音频发送至手机C的左耳机，那么使用手机B的日本人可以佩戴右耳机来听到中文翻译成日文的音频，使用手机C的韩国人可以佩戴左耳机来听到中文翻译成韩文的音频，当日本人与韩国人说话的时候同理，也可以使得其他语言人能够听到翻译后的音频。

在一种可能的实施方式中，在终端接收到音频采集装置发送的至少两个待翻译音频后，可以在终端上展现至少两个待翻译音频；在终端接收到云端服务器发送的至少两个目标音频之后，可以在终端上展现至少两个目标音频；在云端服务器翻译出至少两个待翻译音频的待翻译文本之后，也可以将至少两个待翻译音频的待翻译文本发送至终端，并在终端上进行展现。

如此，用户可以在终端上查看至少两个待翻译音频、至少两个待翻译音频的待翻译文本、至少两个目标音频，以确定云端服务器是否翻译错误，以及确定翻译错误的环节，以便进行维修的溯源工作。

请参阅图9所示，基于同一技术构思，本公开还提出一种音频处理装置1300，应用于云端服务器，所述装置包括：

接收模块1301，被配置为接收至少两个待翻译音频，所述至少两个待翻译音频对应至少两个语种；

翻译模块1302，被配置为将所述至少两个待翻译音频进行翻译，得到所述至少两个待翻译音频分别对应的至少两个目标音频，所述至少两个目标音频对应不同指定语种；

播放模块1303，被配置为通过至少两个音频播放装置分别播放所述至少两个目标音频。

可选地，接收模块1301包括：

第一接收模块，被配置为接收音频采集装置发送的所述至少两个待翻译音频，所述至少两个待翻译音频由所述音频采集装置对采集到的多个音频进行话者分离得到至少两个分离音频，并对所述至少两个分离音频进行压缩后得到。

可选地，翻译模块1302包括：

解压模块，被配置为对所述至少两个待翻译音频进行解压，得到所述至少两个解压音频；

第一翻译模块，被配置为对所述至少两个解压音频所对应的至少两个待翻译文本进行翻译，得到至少两个目标文本；

文本转换模块，被配置为根据所述至少两个目标文本，生成所述至少两个目标音频。

请参阅图10所示，基于同一技术构思，本公开实施例还提出一种音频处理装置2300，应用于音频采集装置，该音频处理装置2300包括：

话者分离模块2301，被配置为对采集到的多个音频进行话者分离，得到分离后的至少两个待翻译音频，所述至少两个待翻译音频分别对应至少两个语种；

发送模块2302，被配置为向云端服务器发送所述至少两个待翻译音频，所述至少两个待翻译音频用于所述云端服务器将所述至少两个待翻译音频翻译为至少两个目标音频，并通过至少两个音频播放装置分别播放所述至少两个目标音频，所述至少两个目标音频对应不同指定语种。

可选地，话者分离模块2301包括：

第一话者分离模块，被配置为对采集到的多个音频进行话者分离，得到分离后的至少两个分离音频，所述至少两个分离音频分别对应至少两个语种；

压缩模块，被配置为对所述至少两个分离音频进行压缩，得到所述至少两个待翻译音频。

可选地，音频处理装置2300还包括：

采集模块，被配置为响应于终端发送的控制指令，采集指定方向的多个音频。

可选地，所述音频采集装置包括对所述多个音频进行话者分离的信号处理模块，所述音频处理装置2300还包括：

第一切换模块，被配置为响应于所述信号处理模块缓存的数据量大于第一预设数据量的状态，控制所述信号处理模块从休眠模式切换至唤醒模式，以控制所述信号处理模块对所述多个音频进行话者分离；

第二切换模块，被配置为响应于所述信号处理模块缓存的数据量小于或等于所述第一预设数据量状态，控制所述信号处理模块处于所述休眠模式。

下面参考图11，其示出了适于用来实现本公开实施例的电子设备(例如音频采集装置或云端服务器或终端)600的结构示意图。本公开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11示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图11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11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，其包括承载在非暂态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，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上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。在本公开中，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。而在本公开中，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。

在一些实施方式中，终端、云端服务器、音频采集装置可以利用诸如HTTP(HyperText Transfer Protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

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：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。

或者，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：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。

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公开的操作的计算机程序代码，上述程序设计语言包括但不限于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，图示了按照本公开各种实施例的系统、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。

描述于本公开实施例中所涉及到的模块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，模块的名称在某种情况下并不构成对该模块本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

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。

根据本公开的一个或多个实施例，示例1提供了一种音频处理方法，应用于云端服务器，所述方法包括：

根据本公开的一个或多个实施例，示例2提供了示例1的音频处理方法，接收至少两个待翻译音频，包括：

接收音频采集装置发送的所述至少两个待翻译音频，所述至少两个待翻译音频由所述音频采集装置对采集到的多个音频进行话者分离得到至少两个分离音频，并对所述至少两个分离音频进行压缩后得到。

根据本公开的一个或多个实施例，示例3提供了示例1的音频处理方法，将所述至少两个待翻译音频进行翻译，得到所述至少两个待翻译音频分别对应的至少两个目标音频，包括：

对所述至少两个待翻译音频进行解压，得到所述至少两个解压音频；

对所述至少两个解压音频所对应的至少两个待翻译文本进行翻译，得到至少两个目标文本；

根据所述至少两个目标文本，生成所述至少两个目标音频。

根据本公开的一个或多个实施例，示例4提供了一种音频处理方法，运用于音频采集装置，所述方法包括：

根据本公开的一个或多个实施例，示例5提供了示例4的音频处理方法，对采集到的多个音频进行话者分离，得到分离后的至少两个待翻译音频，包括：

对采集到的多个音频进行话者分离，得到分离后的至少两个分离音频，所述至少两个分离音频分别对应至少两个语种；

对所述至少两个分离音频进行压缩，得到所述至少两个待翻译音频。

根据本公开的一个或多个实施例，示例6提供了示例4的音频处理方法，对采集到的多个音频进行话者分离之前，所述方法包括：响应于终端发送的控制指令，采集指定方向的多个音频。

根据本公开的一个或多个实施例，示例7提供了示例4的音频处理方法，所述音频采集装置包括对所述多个音频进行话者分离的信号处理模块，所述方法还包括：

响应于所述信号处理模块缓存的数据量大于第一预设数据量的状态，控制所述信号处理模块从休眠模式切换至唤醒模式，以控制所述信号处理模块对所述多个音频进行话者分离；

响应于所述信号处理模块缓存的数据量小于或等于所述第一预设数据量状态，控制所述信号处理模块处于所述休眠模式。

根据本公开的一个或多个实施例，示例8提供了一种音频处理方法，应用至终端，包括：

接收音频采集装置采集的至少两个待翻译音频；

将至少两个待翻译音频发送至云端服务器，以通过云端服务器对至少两个待翻译音频进行翻译，得到至少两个待翻译音频分别对应的至少两个目标音频；

接收云端服务器返回的至少两个目标音频；

将至少两个目标音频发送给至少两个音频播放装置，以通过至少两个音频播放装置播放至少两个目标音频。

根据本公开的一个或多个实施例，示例9提供了一种音频处理装置，应用于云端服务器，所述装置包括：

根据本公开的一个或多个实施例，示例10提供了示例9的音频处理装置，接收模块包括：

根据本公开的一个或多个实施例，示例11提供了示例9的音频处理装置，翻译模块包括：

根据本公开的一个或多个实施例，示例12提供了一种音频处理装置，应用于音频采集装置，所述音频处理装置包括：

根据本公开的一个或多个实施例，示例13提供了示例12的音频处理装置，话者分离模块包括：

根据本公开的一个或多个实施例，示例14提供了示例12的音频处理装置，所述装置还包括：

根据本公开的一个或多个实施例，示例15提供了示例12的音频处理装置，所述音频采集装置包括对所述多个音频进行话者分离的信号处理模块，所述音频处理装置还包括：

根据本公开的一个或多个实施例，示例16提供了一种音频处理装置，应用于终端，所述装置包括：

第一获取模块，被配置为接收音频采集装置采集的至少两个待翻译音频；

第一转发模块，被配置为将至少两个待翻译音频发送至云端服务器，以通过云端服务器对至少两个待翻译音频进行翻译，得到至少两个待翻译音频分别对应的至少两个目标音频；

第二获取模块，被配置为接收云端服务器返回的至少两个目标音频；

第二转发模块，被配置为将至少两个目标音频发送给至少两个音频播放装置，以通过至少两个音频播放装置播放至少两个目标音频。

根据本公开的一个或多个实施例，示例17提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1至3、示例4至8中任一示例提供的音频处理方法的步骤。

根据本公开的一个或多个实施例，示例18提供了一种电子设备，包括：

存储装置，其上存储有至少一个计算机程序；

至少一个处理装置，用于执行所述存储装置中的所述至少一个计算机程序，以实现示例1至3、示例4至8中任一示例提供的音频处理方法的步骤。

以上描述仅为本公开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，本公开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。例如上述特征与本公开中公开的(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。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims

1.一种音频处理方法，其特征在于，应用于云端服务器，所述方法包括：

2.根据权利要求1所述的音频处理方法，其特征在于，接收至少两个待翻译音频，包括：

3.根据权利要求1所述的音频处理方法，其特征在于，将所述至少两个待翻译音频进行翻译，得到所述至少两个待翻译音频分别对应的至少两个目标音频，包括：

根据所述至少两个目标文本，生成所述至少两个目标音频。

4.一种音频处理方法，其特征在于，应用于音频采集装置，所述方法包括：

5.根据权利要求4所述的音频处理方法，其特征在于，对采集到的多个音频进行话者分离，得到分离后的至少两个待翻译音频，包括：

6.根据权利要求4所述的音频处理方法，其特征在于，对采集到的多个音频进行话者分离之前，所述方法包括：

响应于终端发送的控制指令，采集指定方向的多个音频。

7.根据权利要求4所述的音频处理方法，其特征在于，所述音频采集装置包括对所述多个音频进行话者分离的信号处理模块，所述方法还包括：

8.一种音频处理装置，其特征在于，应用于云端服务器，所述装置包括：

9.一种音频处理装置，其特征在于，应用于音频采集装置，所述音频处理装置包括：

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-3或4-7中任一项所述方法的步骤。

11.一种电子设备，其特征在于，包括：

存储装置，其上存储有至少一个计算机程序；

至少一个处理装置，用于执行所述存储装置中的所述至少一个计算机程序，以实现权利要求1-3或4-7中任一项所述方法的步骤。