CN116504256A - 一种语音编码方法、装置、介质、设备和程序产品 - Google Patents
一种语音编码方法、装置、介质、设备和程序产品 Download PDFInfo
- Publication number
- CN116504256A CN116504256A CN202310445712.3A CN202310445712A CN116504256A CN 116504256 A CN116504256 A CN 116504256A CN 202310445712 A CN202310445712 A CN 202310445712A CN 116504256 A CN116504256 A CN 116504256A
- Authority
- CN
- China
- Prior art keywords
- audio data
- data frame
- coding
- cepstrum
- code rate
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000008569 process Effects 0.000 claims abstract description 45
- 230000003595 spectral effect Effects 0.000 claims abstract description 29
- 230000007774 longterm Effects 0.000 claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 18
- 238000001228 spectrum Methods 0.000 claims description 18
- 238000009432 framing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 13
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 240000000907 Musa textilis Species 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; 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
- G10L19/04—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 using predictive techniques
- G10L19/26—Pre-filtering or post-filtering
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; 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
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/24—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being the cepstrum
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本申请公开了一种语音编码方法、装置、介质、设备和产品，属于音频编解码领域。该方法包括：在编码过程中将音频数据帧进行时频转换处理得到音频数据帧对应的谱系数，并利用谱系数计算得到音频数据帧对应的倒谱系数；根据倒谱系数与第一门限值之间的大小关系，确定音频数据帧中的基音包含情况；根据基音包含情况，确定是否进行长期后置滤波器处理步骤以及确定音频数据帧对应的编码码率。本申请根据基音检测结果控制长期后置滤波器模块的运行次数、从而降低算力需求、同时根据基音检测结果控制编码码率，进一步减少编码过程中的算力。
Description
技术领域
本申请涉及音频编解码技术领域，特别涉及一种语音编码方法、装置、存储介质、电子设备和计算机程序产品。
背景技术
在音频编码过程中，长期后置滤波器因为对于提高感知音质有重要的作用，因此在音频编解码中得到广泛使用。标准的LC3在编解码时，通过在编码端提取基音的相关参数并传输给解码端，并在解码端对包含基音成分的数据帧执行后置滤波，实现增强基音、降低基音峰值之间的谱谷处的量化噪声，从而提高感知音质的目的。
标准的LC3编码器中长期后置滤波器(Long term postfilter，简称LTPF)在编解码过程中需要消耗相当大的算力，特别是长期后置滤波器计算过程中的重采样、高通滤波、基音检测和基音延迟估计。图1为典型测试向量在编码时LTPF消耗的算力与编码器总算力消耗的百分比，其中，图1中进行音质测试的语音片段分别为阿巴乐队、响板、艾迪·罗比特、女声和钟琴，由图1中的相关数据可知长期后置滤波器的算力平均占比约13％，其为编解码过程中消耗算力较多的模块。
然而，基于语音通话的特性，通常情况下通话的一方只有部分时间在讲话，统计通话的一方通常只有约35％的时间在讲话。并且语音信号通常分为浊音、过渡音和清音，其中浊音中包含基音成分、过渡音中可能有基音成分、清音中没有基音成分。据简单测算，语音通话过程中实际包含基音成分的音频只占总时长的20％以下。而目前在利用LC3编码器进行语音通话时，对于所有的音频帧都要执行LTPF相关运算，这导致了算力的浪费。
另外，LC3中目前是固定码率，即开始通话后，编码后每一帧语音都是用相同的可用比特数，这进一步导致了算力浪费。
发明内容
针对现有技术存在的算力浪费的问题，本申请主要提供一种语音编码方法、装置、存储介质、电子设备和计算机程序产品。
为了实现上述目的，本申请采用的第一个技术方案是：提供一种语音编码方法，其包括：在编码过程中将音频数据帧进行时频转换处理得到音频数据帧对应的谱系数，并利用谱系数计算得到音频数据帧对应的倒谱系数；根据倒谱系数与第一门限值之间的大小关系，确定音频数据帧中的基音包含情况；根据基音包含情况，确定是否进行长期后置滤波器处理步骤以及确定音频数据帧对应的编码码率；其中，当音频数据帧中包含基音时，利用标准码率进行标准编码过程的编码；当音频数据帧中不包含基音时，不进行编码过程中的长期后置滤波器处理并重新设置编码码率进行编码。
可选的，在编码过程中将音频数据帧进行时频转换处理得到音频数据帧对应的谱系数，并利用谱系数计算得到音频数据帧对应的倒谱系数，包括：将音频数据进行分帧处理，得到音频数据帧；对当前音频数据帧进行加窗处理和低延迟改进型离散余弦变换处理，得到当前音频数据帧的谱系数；利用谱系数计算得到幅度谱对数，并利用幅度谱对数计算得到音频数据帧的倒谱系数。
可选的，根据倒谱系数与第一门限值之间的大小关系，确定音频数据帧中的基音包含情况，包括：获取得到倒谱系数中的倒谱最大值；在倒谱最大值小于第一门限值时，音频数据帧中不包含基音；在倒谱最大值不小于第一门限值时，音频数据帧中包含基音。
可选的，当音频数据帧中不包含基音时，不进行编码过程中的长期后置滤波器处理并重新设置编码码率进行编码，包括：当音频数据帧中不包含基音时，根据音频数据帧对应的倒谱最大值与第二门限值之间的大小关系确定音频数据帧对应的编码码率；其中，在倒谱最大值不小于第二门限值时，重新设置音频数据帧对应的编码码率为中等码率；在倒谱最大值小于第二门限值时，重新设置音频数据帧对应的编码码率为低等码率，低等码率小于中等码率，中等码率小于标准码率。
本申请采用的第二个技术方案是：提供一种语音编码装置，其包括：倒谱系数获取模块，用于在编码过程中将音频数据帧进行时频转换处理得到音频数据帧对应的谱系数，并利用谱系数计算得到音频数据帧对应的倒谱系数；基音确定模块，用于根据倒谱系数与第一门限值之间的大小关系，确定音频数据帧中的基音包含情况；编码模块，用于根据基音包含情况，确定是否进行长期后置滤波器处理步骤以及确定音频数据帧对应的编码码率；其中，当音频数据帧中包含基音时，利用标准码率进行标准编码过程的编码；当音频数据帧中不包含基音时，不进行编码过程中的长期后置滤波器处理并重新设置编码码率进行编码。
可选的，基音确定模块，包括：用于获取得到倒谱系数中的倒谱最大值的模块；用于在倒谱最大值小于第一门限值时，音频数据帧中不包含基音的模块；用于在倒谱最大值不小于第一门限值时，音频数据帧中包含基音的模块。
可选的，编码模块，包括：用于当音频数据帧中不包含基音时，根据音频数据帧对应的倒谱最大值与第二门限值之间的大小关系确定音频数据帧对应的编码码率的模块；其中，在倒谱最大值不小于第二门限值时，重新设置音频数据帧对应的编码码率为中等码率；在倒谱最大值小于第二门限值时，重新设置音频数据帧对应的编码码率为低等码率，低等码率小于中等码率，中等码率小于标准码率。
本申请采用的第三个技术方案是：提供一种计算机可读存储介质，其存储有计算机程序/指令，该计算机程序/指令被操作以执行方案一中的语音编码方法方法。
本申请采用的第四个技术方案是：提供一种计算机设备，包括存储器、处理器以及存储在存储器上的计算机程序，该处理器执行计算机程序以实现方案一中的语音编码方法。
本申请采用的第五个技术方案是：提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如方案一中的语音编码方法。
本申请的技术方案可以达到的有益效果是：根据基音检测结果控制长期后置滤波器模块的运行次数、从而降低算力需求、同时根据基音检测结果控制编码码率，进一步减少编码过程中的算力。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是现有技术的典型测试向量在编码时LTPF消耗的算力与编码器总算力消耗的百分比的示意图；
图2是本申请一种语音编码方法的一个具体实施方式的示意图；
图3是本申请在LC3编码器中的应用方式的示意图；
图4是本申请的一个具体实施流程的示意图；
图5是本申请一种语音编码装置的一个具体实施方式的示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
下面结合附图对本申请的较佳实施例进行详细阐述，以使本申请的优点和特征能更易于被本领域技术人员理解，从而对本申请的保护范围做出更为清楚明确的界定。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面，以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面述及的具体的实施例可以相互结合形成新的实施例。对于在一个实施例中描述过的相同或相似的思想或过程，可能在其他某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图2示出了本申请一种语音编码方法的一个实施方式。
图2所示的语音编码方法，包括：步骤S201，在编码过程中将音频数据帧进行时频转换处理得到音频数据帧对应的谱系数，并利用谱系数计算得到音频数据帧对应的倒谱系数；
步骤S202，根据倒谱系数与第一门限值之间的大小关系，确定音频数据帧中的基音包含情况；
步骤S203，根据基音包含情况，确定是否进行长期后置滤波器处理步骤以及确定音频数据帧对应的编码码率；其中，当音频数据帧中包含基音时，利用标准码率进行标准编码过程的编码；当音频数据帧中不包含基音时，不进行编码过程中的长期后置滤波器处理并重新设置编码码率进行编码。该具体实施方式，根据基音检测结果控制长期后置滤波器模块的运行次数、从而降低算力需求、同时根据基音检测结果控制编码码率，进一步减少编码过程中的算力。
具体的，图3是本申请在LC3编码器中的应用方式的示意图，如图3在标准的LC3编码器中增加基音检测与码率更新模块，在进行音频数据帧的编码处理时，将音频数据帧利用低延迟改进型离散余弦变换(简称LD-MDCT)进行处理得到谱系数，利用谱系数计算得到音频数据帧对应的倒谱系数，并在基音检测与码率更新模块中，根据倒谱系数的倒谱最大值与第一门限值的关系判断基音是否存在。并且在音频数据帧中包含基音时，利用标准码率进行标准编码过程的编码；在音频数据帧中不包含基音时，不进行编码过程中的长期后置滤波器处理并将其对应的编码码率设置为低于标准编码码率的值。
在图2所示的实施方式中，语音编码方法包括步骤S201，在编码过程中将音频数据帧进行时频转换处理得到音频数据帧对应的谱系数，并利用谱系数计算得到音频数据帧对应的倒谱系数。该步骤利用编码过程中的计算模块进行计算，在不增加算力的条件下，保证了基音检测和码率调整。
在本申请的一个具体实施方式中，步骤S201，包括：将音频数据进行分帧处理，得到音频数据帧；对当前音频数据帧进行加窗处理和低延迟改进型离散余弦变换处理，得到当前音频数据帧的谱系数；利用谱系数计算得到幅度谱对数，并利用幅度谱对数计算得到音频数据帧的倒谱系数。
具体的，对将音频数据进行分帧处理，以采样率16kHz、帧长10ms为例，分帧处理后每帧数据中包含160个采样点，然后对音频数据帧按帧执行加窗处理和LD-MDCT处理，得到当前音频数据帧的谱系数Xm(k)，对当前音频数据帧的谱系数进行计算得到幅度谱对数，并利用幅度谱对数计算得到音频数据帧的倒谱系数。
例如，利用以下公式对音频数据帧进行加窗处理和低延迟改进型离散余弦变换处理，得到当前音频数据帧的谱系数：
tm(n)＝xm(Z-NF+n),for n＝0…2·NF-1-Z
tm(2NF-Z+n)＝0,for n＝0…Z-1
k＝0…NF-1
其中，当前音频数据帧为xm(n),n＝0,1,2,…,NF，Xm(k)是当前音频数据帧的所有谱系数，NF是当前帧包含的采样点的数量，m是当前帧的序号，是窗函数。
然后利用谱系数计算得到幅度谱对数，并利用幅度谱对数计算得到音频数据帧的倒谱系数，其计算公式如下，
其中Ym(k)为音频数据的第m帧的幅度谱对数，
其中，Cm(n)为音频数据的第m帧的倒谱系数。
在图2所示的实施方式中，语音编码方法包括步骤S202，根据倒谱系数与第一门限值之间的大小关系，确定音频数据帧中的基音包含情况。
在本申请的一个具体实施方式中，步骤S202，包括：获取得到倒谱系数中的倒谱最大值；在倒谱最大值小于第一门限值时，音频数据帧中不包含基音；在倒谱最大值不小于第一门限值时，音频数据帧中包含基音。
具体的，基音对应的频率范围通常是50～500Hz之间，其对应的倒频范围是[BW/500,BW/50]之间，即[16,160]之间，其中BW是奈奎斯特带宽，即
Imax＝max(Cm(n)),n＝16～159
其中，Imax即为倒谱最大值对应的频段。
将倒谱最大值与第一门限值进行比较，在倒谱最大值小于第一门限值时，音频数据帧中不包含基音；在倒谱最大值不小于第一门限值时，音频数据帧中包含基音。
优选的，设定多个门限值将有效基音成分和轻音或过度音区分开，即当倒谱最大值满足以下条件要求时将其对应的音频信号进行进一步的区分，以便于对编码码率进行进一步细分。
其中T1和T2是预设的门限且T1>T2，T1和T2对应的具体取值大小可以根据典型的男声、女声的浊音、清音计算得到。
在图2所示的实施方式中，语音编码方法包括步骤S203，根据基音包含情况，确定是否进行长期后置滤波器处理步骤以及确定音频数据帧对应的编码码率；其中，当音频数据帧中包含基音时，利用标准码率进行标准编码过程的编码；当音频数据帧中不包含基音时，不进行编码过程中的长期后置滤波器处理并重新设置编码码率进行编码。该步骤通过预先判断基音是否存在，确定是否进行LTPF的计算，从而实现在编码过程中减少计算量的目的；并且进一步根据基音判决的结果设定码率，这可以节省传输带宽，减少设备间的无线干扰。
在本申请的一个具体实施方式中，步骤S203，包括：当音频数据帧中不包含基音时，根据音频数据帧对应的倒谱最大值与第二门限值之间的大小关系确定音频数据帧对应的编码码率；其中，在倒谱最大值不小于第二门限值时，重新设置音频数据帧对应的编码码率为中等码率；在倒谱最大值小于第二门限值时，重新设置音频数据帧对应的编码码率为低等码率，低等码率小于中等码率，中等码率小于标准码率。该具体实施方式通过改变编码过程中的码率，使编码过程中的算术和残差编码模块的输入数据变少，其相应的计算量变小，从而进一步节省了算力。
具体的，当基音不存在时不执行LTPF，使用此方法在语音通话过程中，80％的音频数据帧将不需要执行LTPF模块的运算，并且在倒谱最大值不小于第二门限值时，重新设置音频数据帧对应的编码码率为中等码率；在倒谱最大值小于第二门限值时，重新设置音频数据帧对应的编码码率为低等码率。例如，以44.1kHz的音频数据帧为例，LTPF占据编码总算力的约13％，因此，不对80％的音频数据进行编码，能够将编码器的算力需求降低到原先的90％；以16kHz配置的音频数据帧为例，其对应的标准码率为64kbps，此时可以设置中等码率为48kbps，最低码率为16kbps。
图4是本申请的一个具体实施流程的示意图，如图4，本申请在接收到音频数据后，利用编码过程中的LD-MDCT模块将时域的音频数据转换为频域的谱系数，利用谱系数计算得到幅度谱系数；在不增加新的代码的条件下，利用解码过程中使用的LD-IMDCT(低延迟改进型离散余弦逆变换)将幅度谱系数进行处理得到当前音频数据帧的倒谱系数，并进一步获取倒谱系数中的倒谱最大值。将倒谱最大值与门限1的值进行对比，当倒谱最大值大于门限1的值时，说明当前音频数据帧中一定包含基音成分，因此对当前音频数据帧执行标准的编码处理，即执行长期后置滤波器的处理，并且编码的码率为标准的编码码率。当倒谱最大值不大于门限1的值时，设置pitch_present为0，pitch_present为LC3编码器中的标准规范规定，设置为0表示本帧没有基音；设置nbits_LTPF为1，nbits_LTPF为LC3编码器中的标准规范规定，设置为1表示本帧LTPF的码流只占用1个比特。在设置完成后将倒谱最大值与门限2的值进行比较，进而确定当前音频数据帧是清音或者过渡音，还是静音或者背景噪音。在倒谱最大值大于门限2值时，当前音频数据帧是清音或者过渡音，将其对应的编码码率设置为中等码率；在倒谱最大值不大于门限2值时，当前音频数据帧是静音或者背景噪音，将其对应的编码码率设置为低等码率，进而按照该码率完成当前音频数据帧的编码。
图5示出了本申请一种语音编码装置的具体实施方式。
在图5所示的具体实施方式中，语音编码装置主要包括：倒谱系数获取模块501，用于在编码过程中将音频数据帧进行时频转换处理得到音频数据帧对应的谱系数，并利用谱系数计算得到音频数据帧对应的倒谱系数；
基音确定模块502，用于根据倒谱系数与第一门限值之间的大小关系，确定音频数据帧中的基音包含情况；
编码模块503，用于根据基音包含情况，确定是否进行长期后置滤波器处理步骤以及确定音频数据帧对应的编码码率；其中，当音频数据帧中包含基音时，利用标准码率进行标准编码过程的编码；当音频数据帧中不包含基音时，不进行编码过程中的长期后置滤波器处理并重新设置编码码率进行编码。
在本申请的一个具体实施例中，倒谱系数获取模块，包括：将音频数据进行分帧处理，得到音频数据帧；对当前音频数据帧进行加窗处理和低延迟改进型离散余弦变换处理，得到当前音频数据帧的谱系数；利用谱系数计算得到幅度谱对数，并利用幅度谱对数计算得到音频数据帧的倒谱系数。
在本申请的一个具体实施例中，基音确定模块，包括：用于获取得到倒谱系数中的倒谱最大值的模块；用于在倒谱最大值小于第一门限值时，音频数据帧中不包含基音的模块；用于在倒谱最大值不小于第一门限值时，音频数据帧中包含基音的模块。
在本申请的一个具体实施例中，编码模块，包括：用于当音频数据帧中不包含基音时，根据音频数据帧对应的倒谱最大值与第二门限值之间的大小关系确定音频数据帧对应的编码码率的模块；其中，在倒谱最大值不小于第二门限值时，重新设置音频数据帧对应的编码码率为中等码率；在倒谱最大值小于第二门限值时，重新设置音频数据帧对应的编码码率为低等码率，低等码率小于中等码率，中等码率小于标准码率。
本申请提供的语音编码装置，可用于执行上述任一实施例描述的语音编码方法，其实现原理和技术效果类似，在此不再赘述。
在本申请的一个具体实施例中，本申请一种语音编码装置中各功能模块可直接在硬件中、在由处理器执行的软件模块中或在两者的组合中。
软件模块可驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可装卸盘、CD-ROM或此项技术中已知的任何其它形式的存储介质中。示范性存储介质耦合到处理器，使得处理器可从存储介质读取信息和向存储介质写入信息。
处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)、现场可编程门阵列(英文：Field Programmable Gate Array，简称：FPGA)或其它可编程逻辑装置、离散门或晶体管逻辑、离散硬件组件或其任何组合等。通用处理器可以是微处理器，但在替代方案中，处理器可以是任何常规处理器、控制器、微控制器或状态机。处理器还可实施为计算装置的组合，例如DSP与微处理器的组合、多个微处理器、结合DSP核心的一个或一个以上微处理器或任何其它此类配置。在替代方案中，存储介质可与处理器成一体式。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替代方案中，处理器和存储介质可作为离散组件驻留在用户终端中。
在本申请的另一个具体实施方式中，一种计算机可读存储介质，其存储有计算机程序/指令，计算机程序/指令被操作以执行上述实施例中描述的语音编码方法。
在本申请的一个具体实施方式中，一种计算机设备，包括存储器、处理器以及存储在存储器上的计算机程序，处理器执行计算机程序以实现上述实施例中描述的语音编码方法。
在本申请的一个具体实施方式中，一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述实施例中描述的语音编码方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，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，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例方案的目的。
以上所述仅为本申请的实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种语音编码方法，其特征在于，包括：
在编码过程中将音频数据帧进行时频转换处理得到所述音频数据帧对应的谱系数，并利用所述谱系数计算得到所述音频数据帧对应的倒谱系数；
根据所述倒谱系数与第一门限值之间的大小关系，确定所述音频数据帧中的基音包含情况；
根据所述基音包含情况，确定是否进行长期后置滤波器处理步骤以及确定所述音频数据帧对应的编码码率；
其中，当所述音频数据帧中包含基音时，利用标准码率进行标准编码过程的编码；
当所述音频数据帧中不包含基音时，不进行编码过程中的长期后置滤波器处理并重新设置编码码率进行编码。
2.根据权利要求1所述的语音编码方法，其特征在于，所述在编码过程中将音频数据帧进行时频转换处理得到所述音频数据帧对应的谱系数，并利用所述谱系数计算得到所述音频数据帧对应的倒谱系数，包括：
将音频数据进行分帧处理，得到所述音频数据帧；
对当前所述音频数据帧进行加窗处理和低延迟改进型离散余弦变换处理，得到当前所述音频数据帧的所述谱系数；
利用所述谱系数计算得到幅度谱对数，并利用所述幅度谱对数计算得到所述音频数据帧的所述倒谱系数。
3.根据权利要求1所述的语音编码方法，其特征在于，所述根据所述倒谱系数与第一门限值之间的大小关系，确定所述音频数据帧中的基音包含情况，包括：
获取得到所述倒谱系数中的倒谱最大值；
在所述倒谱最大值小于所述第一门限值时，所述音频数据帧中不包含基音；
在所述倒谱最大值不小于所述第一门限值时，所述音频数据帧中包含基音。
4.根据权利要求1所述的语音编码方法，其特征在于，所述当所述音频数据帧中不包含基音时，不进行编码过程中的长期后置滤波器处理并重新设置编码码率进行编码，包括：
当所述音频数据帧中不包含基音时，根据所述音频数据帧对应的倒谱最大值与第二门限值之间的大小关系确定所述音频数据帧对应的编码码率；
其中，在所述倒谱最大值不小于所述第二门限值时，重新设置所述音频数据帧对应的编码码率为中等码率；
在所述倒谱最大值小于所述第二门限值时，重新设置所述音频数据帧对应的编码码率为低等码率，所述低等码率小于所述中等码率，所述中等码率小于所述标准码率。
5.一种语音编码装置，其特征在于，包括：
倒谱系数获取模块，用于在编码过程中将音频数据帧进行时频转换处理得到所述音频数据帧对应的谱系数，并利用所述谱系数计算得到所述音频数据帧对应的倒谱系数；
基音确定模块，用于根据所述倒谱系数与第一门限值之间的大小关系，确定所述音频数据帧中的基音包含情况；
编码模块，用于根据所述基音包含情况，确定是否进行长期后置滤波器处理步骤以及确定所述音频数据帧对应的编码码率；其中，当所述音频数据帧中包含基音时，利用标准码率进行标准编码过程的编码；当所述音频数据帧中不包含基音时，不进行编码过程中的长期后置滤波器处理并重新设置编码码率进行编码。
6.根据权利要求5所述的语音编码装置，其特征在于，所述基音确定模块，包括：
用于获取得到所述倒谱系数中的倒谱最大值的模块；
用于在所述倒谱最大值小于所述第一门限值时，所述音频数据帧中不包含基音的模块；
用于在所述倒谱最大值不小于所述第一门限值时，所述音频数据帧中包含基音的模块。
7.根据权利要求5所述的语音编码装置，其特征在于，所述编码模块，包括：
用于当所述音频数据帧中不包含基音时，根据所述音频数据帧对应的倒谱最大值与第二门限值之间的大小关系确定所述音频数据帧对应的编码码率的模块；
其中，在所述倒谱最大值不小于第二门限值时，重新设置所述音频数据帧对应的编码码率为中等码率；在所述倒谱最大值小于第二门限值时，重新设置所述音频数据帧对应的编码码率为低等码率，所述低等码率小于所述中等码率，所述中等码率小于所述标准码率。
8.一种计算机可读存储介质，其存储有计算机程序/指令，其特征在于，所述计算机程序/指令被操作以执行如权利要求1-4中任一项所述的语音编码方法。
9.一种计算机设备，包括存储器、处理器以及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如权利要求1-4中任一项所述的语音编码方法。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如权利要求1-4中任一项所述的语音编码方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310445712.3A CN116504256A (zh) | 2023-04-24 | 2023-04-24 | 一种语音编码方法、装置、介质、设备和程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310445712.3A CN116504256A (zh) | 2023-04-24 | 2023-04-24 | 一种语音编码方法、装置、介质、设备和程序产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116504256A true CN116504256A (zh) | 2023-07-28 |
Family
ID=87325951
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310445712.3A Pending CN116504256A (zh) | 2023-04-24 | 2023-04-24 | 一种语音编码方法、装置、介质、设备和程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116504256A (zh) |
-
2023
- 2023-04-24 CN CN202310445712.3A patent/CN116504256A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2469419C2 (ru) | Способ и устройство для управления сглаживанием стационарного фонового шума | |
| RU2617926C1 (ru) | Способ, устройство и система для обработки аудиоданных | |
| US6732075B1 (en) | Sound synthesizing apparatus and method, telephone apparatus, and program service medium | |
| JP5881791B2 (ja) | 符号器の量子化ノイズを復号化中に低減するための後処理方法及び装置 | |
| KR20070119722A (ko) | 고대역 버스트 억제를 위한 시스템, 방법, 및 장치 | |
| US20110125507A1 (en) | Method and System for Frequency Domain Postfiltering of Encoded Audio Data in a Decoder | |
| CN112735449B (zh) | 优化频域噪声整形的音频编码方法及装置 | |
| CN114550732B (zh) | 一种高频音频信号的编解码方法和相关装置 | |
| AU2021286443B2 (en) | Audio encoder with a signal-dependent number and precision control, audio decoder, and related methods and computer programs | |
| CN112599140A (zh) | 一种优化语音编码速率和运算量的方法、装置及存储介质 | |
| JP6584431B2 (ja) | 音声情報を用いる改善されたフレーム消失補正 | |
| CN112086107B (zh) | 用于辨别和衰减前回声的方法、设备、解码器和存储介质 | |
| CA2983813C (en) | Audio encoder and method for encoding an audio signal | |
| CN116504256A (zh) | 一种语音编码方法、装置、介质、设备和程序产品 | |
| CN112951252B (zh) | 一种lc3音频码流的混音方法、装置、介质及设备 | |
| CN115188388B (zh) | 一种音频后置滤波方法、装置、存储介质及设备 | |
| CN114566174B (zh) | 一种优化语音编码的方法、装置、系统、介质及设备 | |
| CN114863942B (zh) | 音质转换的模型训练方法、提升语音音质的方法及装置 | |
| CN116978391A (zh) | 音频编码方法、系统、编码器、介质及设备 | |
| CN115762547A (zh) | 一种检测和消除噪声的方法、装置、编码方法、介质及设备 | |
| CN116884423A (zh) | 混响检测与抑制方法、系统、介质及设备 | |
| CN115497488A (zh) | 一种语音滤波方法、装置、存储介质及设备 | |
| CN115662453A (zh) | 一种基于深度学习的语音编码方法、系统、介质及设备 | |
| CN115035908A (zh) | 基于深度学习的语音频带扩展方法、装置及编码方法 | |
| CN116189693A (zh) | 一种带宽扩展方法、装置、介质及设备 |
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 |