CN117636896A - 音频分解方法、装置及电子设备 - Google Patents

Abstract

本公开提供一种音频分解方法、装置及电子设备，该方法包括：获取音频采集设备采集的第一音频、所述音频采集设备与所述第一音频的声源之间的位置角度和音频分解的目标方向；基于音频分解模型、所述第一音频、所述位置角度和所述目标方向，确定所述目标方向的第二音频，所述音频分解模型是基于样本音频、所述样本音频的声源与音频采集设备的样本位置角度、样本方向和所述样本方向相关联的音频训练得到的；播放所述第二音频。这样可以获取空间中任意一个方向的音频，降低音频获取的成本。

Description

音频分解方法、装置及电子设备

技术领域

本公开实施例涉及音频处理技术领域，尤其涉及一种音频分解方法、装置及电子设备。

背景技术

立体音频技术可以将音频模拟为环绕式的立体感声音。例如，电子设备可以采集空间中360度的音频，进而通过每个角度的音频生成立体音频。

目前，可以通过音频采集设备的音频接收范围，在空间中设置多个音频采集设备，进而得到立体音频。例如，若麦克风的音频接收范围为30度，则可以在空间中设置12个麦克风，进而通过12个麦克风获取360度的音频。但是，通过上述方法需要设置较多的麦克风才能得到立体音频，进而导致音频获取的成本较高。

发明内容

本公开提供一种音频分解方法、装置及电子设备，用于解决现有技术中音频获取的成本较高的技术问题。

第一方面，本公开提供一种音频分解方法，该方法包括：

获取音频采集设备采集的第一音频、所述音频采集设备与所述第一音频的声源之间的位置角度和音频分解的目标方向；

基于音频分解模型、所述第一音频、所述位置角度和所述目标方向，确定所述目标方向的第二音频，所述音频分解模型是基于样本音频、所述样本音频的声源与音频采集设备的样本位置角度、样本方向和所述样本方向相关联的音频训练得到的；

播放所述第二音频。

第二方面，本公开提供一种音频分解装置，该音频分解装置包括获取模块、确定模块和播放模块，其中：

所述获取模块用于，获取音频采集设备采集的第一音频、所述音频采集设备与所述第一音频的声源之间的位置角度和音频分解的目标方向；

所述确定模块用于，基于音频分解模型、所述第一音频、所述位置角度和所述目标方向，确定所述目标方向的第二音频，所述音频分解模型是基于样本音频、所述样本音频的声源与音频采集设备的样本位置角度、样本方向和所述样本方向相关联的音频训练得到的；

所述播放模块用于，播放所述第二音频。

第三方面，本公开实施例提供一种电子设备，包括：处理器和存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能涉及的所述音频分解方法。

第四方面，本公开实施例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计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能涉及的所述音频分解方法。

第五方面，本公开实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上第一方面以及第一方面各种可能涉及的所述音频分解方法。

本公开提供一种音频分解方法、装置及电子设备，获取音频采集设备采集的第一音频、音频采集设备与第一音频的声源之间的位置角度和音频分解的目标方向，基于音频分解模型、第一音频、位置角度和目标方向，确定目标方向的第二音频，其中，音频分解模型是基于样本音频、样本音频的声源与音频采集设备的样本位置角度、样本方向和样本方向相关联的音频训练得到的，播放第二音频。在上述方法中，电子设备可以通过音频分解模型，准确的获取空间中任意方向上的音频，提高音频分解的准确度，并且无需在空间中设置较多的麦克风，进而降低音频获取的成本。

附图说明

为了更清楚地说明本公开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一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，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为本公开实施例提供的一种应用场景示意图；

图2为本公开实施例提供的一种音频分解方法的流程示意图；

图3为本公开实施例提供的一种获取第一音频和位置角度的示意图；

图4为本公开实施例提供的一种音频分解方法的过程示意图；

图5为本公开实施例提供的一种音频分解模型的获取方法示意图；

图6为本公开实施例提供的一种更新模型参数的过程示意图；

图7为本公开实施例提供的另一种音频分解模型的获取方法示意图；

图8为本公开实施例提供的一种预测概率的示意图；

图9为本公开实施例提供的一种样本概率示意图；

图10为本公开实施例提供的另一种更新模型参数的过程示意图；

图11为本公开实施例提供的一种音频分解装置的结构示意图；

图12为本公开实施例提供的另一个音频分解装置的结构示意图；以及，

图13为本公开实施例提供的一种电子设备的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

为了便于理解，下面，对本公开实施例涉及的概念进行说明。

电子设备：是一种具有无线收发功能的设备。电子设备可以部署在陆地上，包括室内或室外、手持、穿戴或车载；也可以部署在水面上(如轮船等)。所述电子设备可以是手机(mobile phone)、平板电脑(Pad)、带无线收发功能的电脑、虚拟现实(virtual reality，VR)电子设备、增强现实(augmented reality，AR)电子设备、工业控制(industrialcontrol)中的无线终端、车载电子设备、无人驾驶(self driving)中的无线终端、远程医疗(remote medical)中的无线电子设备、智能电网(smart grid)中的无线电子设备、运输安全(transportation safety)中的无线电子设备、智慧城市(smart city)中的无线电子设备、智慧家庭(smart home)中的无线电子设备、可穿戴电子设备等。本公开实施例所涉及的电子设备还可以称为终端、用户设备(user equipment，UE)、接入电子设备、车载终端、工业控制终端、UE单元、UE站、移动站、移动台、远方站、远程电子设备、移动设备、UE电子设备、无线通信设备、UE代理或UE装置等。电子设备也可以是固定的或者移动的。

在相关技术中，立体音频技术可以将音频模拟为环绕式的立体感声音，进而提高用户的体验。目前，可以通过多个音频采集设备获取立体音频。例如，若麦克风的音频接收范围为30度，则需要在空间中至少设置12个麦克风，通过至少12个麦克风得到空间中每个角度对应的音频，进而得到立体音频。但是，用户需要基于音频采集设备的音频接收范围，在空间中设置较多的麦克风才能得到立体音频，导致音频获取的成本较高。

为了解决相关技术中的技术问题，本公开实施例提供一种音频分解方法，电子设备获取音频采集设备采集的第一音频、音频采集设备与第一音频的声源之间的位置角度和音频分解的目标方向，获取第一音频的音频特征、位置角度的位置特征和目标方向的方向特征，并基于音频特征、位置特征和方向特征，得到融合特征，通过音频分解模型对融合特征进行处理，得到目标方向上的第二音频，并播放第二音频。这样，由于音频分解模型是基于样本音频、样本音频的声源与音频采集设备的样本位置角度、样本方向和样本方向相关联的音频训练得到的，因此，通过音频分解模型得到的音频准确度较高，进而提高音频获取的准确度，并且，通过音频分解模型可以对采集到的音频进行分解，进而得到空间中任意方向上的音频，因此，无需基于音频采集设备的音频接收范围，在空间中设置较多的音频采集设备，进而降低音频获取的成本。

下面，结合图1，对本公开实施例的应用场景进行说明。

图1为本公开实施例提供的一种应用场景示意图。请参见图1，包括：音频分解模型。向音频分解模型中输入第一音频和目标方向，其中，第一音频为麦克风正北方向的音频，目标方向为正东方向。音频分解模型可以获取第一音频的音频特征、麦克风的位置特征和目标方向的方向特征，并对音频特征、位置特征和方向特征进行处理，输出正东方向的第二音频。其中，第二音频为音频分解模型基于第一音频分解得到的音频。这样，电子设备通过音频分解模型可以得到空间中任意方向上的音频，无需基于音频采集设备的音频接收范围，在空间中设置较多的音频采集设备，进而降低音频获取的成本。

图2为本公开实施例提供的一种音频分解方法的流程示意图。请参见图2，该方法流程包括：

S201、获取音频采集设备采集的第一音频、音频采集设备与第一音频的声源之间的位置角度和音频分解的目标方向。

本公开实施例的执行主体可以为电子设备，也可以为设置在电子设备中的音频分解装置。其中，音频分解装置可以通过软件实现，音频分解装置也可以通过软件和硬件的结合实现。需要说明的是，本公开实施例的执行主体也可以为服务器等具有数据处理功能的设备，本公开实施例对此不作限定。

可选的，音频采集设备用于采集空间中的音频。例如，音频采集设备可以为麦克风中的音频接收装置，在实际应用过程中，麦克风为较小的球阵列(如，半径4毫米的球)，在球阵列上包括多个音频接收装置，不同的音频接收装置可以采集空间中不同方向上的音频，麦克风可以通过多个音频接收装置采集空间中的音频。

可选的，第一音频可以为音频采集设备获取的声信号。例如，在实时直播的场景中，麦克风上的多个音频采集设备都可以采集到用户发出的声音，进而可以得到多个第一音频，需要说明的是，麦克风上不同的音频采集设备可以采集不同方向的音频，因此，每个音频采集设备都可以得到一个第一音频，在实际应用过程中，麦克风上可以设置4个音频采集设备，进而得到4个第一音频。

位置角度用于指示音频采集设备的指向方向与第一音频的声源之间的角度。例如，音频采集设备具有指向性，在指向方向中音频采集设备获取的音频效果较好，通过音频采集设备的指向方向和第一音频的声源的方向，可以得到音频采集设备的位置角度。例如，若音频采集设备的指向方向为0度，第一音频的声源为40度，则音频采集设备的位置角度为40度。

可选的，音频分解的目标方向可以为空间中任意的方向。例如，电子设备通过麦克风中的4个音频采集设备可以得到空间中4个方向上的第一音频，目标方向可以为除4个方向之外，空间中的其它方向。例如，若音频采集设备可以采集空间中10度方向的音频，则目标方向可以为空间中的20度、30度等。

需要说明的是，在本公开实施例中，每个音频采集设备都有相关联的标识，因此，第一音频中也包括音频采集设备的标识，位置角度中也包括音频采集设备的标识。

可选的，电子设备可以基于如下可行的实现方式，获取音频采集设备采集的第一音频、音频采集设备与第一音频的声源之间的位置角度：显示视频播放页面。其中，视频播放页面中包括第一视频相关联的播放控件。例如，视频播放页面中可以包括多个第一视频的播放控件，在用户点击第一视频的播放控件时，电子设备可以播放第一视频。可选的，第一视频可以为直播视频。例如，在视频播放页面中包括直播视频A的播放控件和直播视频B的播放控件，若用户点击直播视频A的播放控件，则电子设备可以播放直播视频A，若用户点击直播视频B的播放控件，则电子设备可以播放直播视频B。可选的，第一视频也可以为其它视频(如，点播视频等)，本公开实施例对此不作限定。

响应于对所述播放控件的触发操作，获取第一音频和位置角度。例如，在用户点击第一视频相关联的播放控件时，电子设备可以获取第一视频相关联的第一音频和采集第一音频的音频采集设备的位置角度。例如，在直播场景中，直播用户的电子设备可以采集直播视频，并通过麦克风中的音频采集设备获取直播视频对应的第一音频，以及获取音频采集设备的位置角度，并向服务器发送直播视频、直播视频的第一音频和位置角度，在观看用户在视频播放页面中点击直播视频的播放控件时，观看用户的电子设备可以在服务器中获取直播视频、第一音频和位置角度。

下面，结合图3，对获取第一音频和位置角度的过程进行说明。

图3为本公开实施例提供的一种获取第一音频和位置角度的示意图。请参见图3，包括：电子设备和服务器。其中，电子设备的显示页面为视频播放页面。视频播放页面中包括直播视频的封面和直播视频对应的播放控件。在用户点击播放控件时，电子设备可以向服务器发送视频播放请求，服务器可以获取直播视频的第一音频和第一音频关联的位置角度，并向电子设备发送直播视频的第一音频和第一音频关联的位置角度。

需要说明的是，在图3所示的实施例中，服务器可以存储直播用户的电子设备录制的直播视频、直播视频的第一音频和第一音频关联的位置角度，进而在观看直播视频的用户的电子设备发送视频播放请求时，向观看直播视频的用户的电子设备发送直播视频、第一音频和位置角度。

需要说明的是，图3只是以示例的方式说明获取第一音频和位置角度的过程，并非对本公开实施例的场景进行限定，观看直播视频的用户的电子设备也可以为VR设备，VR设备接收到第一音频和位置角度时，可以分解得到空间中任意方向上的音频，进而提高音频获取的准确度，提高用户的体验。

S202、基于音频分解模型、第一音频、位置角度和目标方向，确定目标方向的第二音频。

可选的，音频分解模型是基于样本音频、样本音频的声源与音频采集设备的样本位置角度、样本方向和样本方向相关联的音频训练得到的。例如，音频分解模型的训练样本中可以包括样本音频、样本音频的声源与音频采集设备的样本位置角度、样本方向和样本方向相关联的音频，并将样本方向相关联的音频作为标签，对音频分解模型进行训练，在模型收敛时，音频分解模型训练结束，需要说明的是，样本位置角度为样本音频的声源与采集该样本音频的音频采集设备的指向方向之间的角度。

可选的，电子设备可以基于如下可行的实现方式，确定目标方向的第二音频：获取第一音频的音频特征、位置角度的位置特征和目标方向的方向特征。可选的，可以通过特征提取网络获取第一音频的音频特征、位置角度的位置特征和目标方向的方向特征。例如，可以通过预训练好的第一神经网络，对第一音频进行处理，得到第一音频的音频特征，通过预训练好的第二神经网络，对位置角度进行处理，得到位置角度的位置特征，通过预训练好的第三神经网络对目标方向进行处理，得到目标方向的方向特征。

可选的，在电子设备通过特征提取网络对第一音频处理之前，电子设备可以获取第一音频对应的频谱图，进而通过特征提取网络对第一音频的频谱图进行处理，得到第一音频的音频特征。例如，预训练好的第一神经网络可以获取频谱图的图像特征，电子设备通过第一神经网络对第一音频的频谱图进行处理，可以得到第一音频的频谱图的图像特征，并将该图像特征确定为第一音频的音频特征。

可选的，在电子设备通过特征提取网络对位置角度处理之前，电子设备可以通过编码器对位置角度进行预处理，进而得到位置角度对应的角度向量，进而通过特征提取网络对角度向量进行处理，得到位置特征。例如，预训练好的第二神经网络可以获取角度向量的特征，电子设备通过第二神经网络对位置角度的角度向量进行处理，得到该角度向量对应的特征，并将该特征确定为位置特征。

可选的，在电子设备通过特征提取网络对目标方向处理之前，电子设备可以通过编码器对目标方向进行预处理，进而得到目标方向对应的方向向量，进而通过特征提取网络对方向向量进行处理，得到方向特征。例如，预训练好的第三神经网络可以获取方向向量的特征，电子设备通过第二神经网络对目标方向的方向向量进行处理，得到该方向向量对应的特征，并将该特征确定为方向特征。

基于音频特征、位置特征和方向特征，确定融合特征。例如，电子设备可以对音频特征、位置特征和方向特征进行拼接处理，进而得到融合特征，电子设备也可以通过其它方式对音频特征、位置特征和方向特征处理，得到融合特征，本公开实施例对此不作限定。

基于音频分解模型，对融合特征进行处理，得到第二音频。可选的，音频分解模型可以为时延神经网络(TDNN)的结构，通过音频分解模型对融合特征进行多次卷积处理，进而得到第二音频对应的分解特征，通过全连接层对分解特征进行处理，得到第二音频。

可选的，电子设备通过音频分解模型对融合特征进行处理之后，全连接层输出的可以为第二音频的频谱图，通过训练好的声码器对第二音频的频谱图进行处理，可以得到第二音频。

S203、播放第二音频。

可选的，电子设备获取目标方向上的第二音频时，可以在目标方向上播放该第二音频。例如，若电子设备获取空间中30度角度的第二音频，则电子设备可以在空间中的30度角度播放该第二音频；若电子设备获取空间中270度角度的第二音频，则电子设备可以在空间中的270度角度播放该第二音频。

可选的，电子设备也可以在音频播放设备中播放目标方向的第二音频。例如，在实际应用的过程中，若用户观看VR直播视频，则电子设备需要获取全景VR视频空间中的每个角度的第二音频，基于用户在空间中的位置，确定目标方向，并在耳机中播放目标方向对应的第二音频(由于部分角度可能不存在音频，因此若用户在空间中的位置对应的方向上不存在音频，电子设备可以不播放音频，也可以播放白噪音)，这样电子设备可以通过较少的音频采集设备，获取空间中所有角度的第二音频，降低音频获取的成本。

本公开实施例提供一种音频分解方法，电子设备获取音频采集设备采集的第一音频的音频特征、音频采集设备与第一音频的声源之间的位置角度的位置特征和目标方向的方向特征，并对音频特征、位置特征和方向特征进行拼接处理，得到融合特征，通过音频分解模型对融合特征进行处理，得到目标方向上的第二音频，并播放第二音频。这样，由于音频分解模型是基于样本音频、样本音频的声源与音频采集设备的样本位置角度、样本方向和样本方向相关联的音频训练得到的，因此，通过音频分解模型得到的音频准确度较高，进而提高音频获取的准确度，并且，通过音频分解模型可以得到空间中任意方向上的音频，因此，无需基于音频采集设备的音频接收范围，在空间中设置较多的音频采集设备，进而降低音频获取的成本。

在上述任意一个实施例的基础上，下面，结合图4，对上述音频分解方法的过程进行说明。

图4为本公开实施例提供的一种音频分解方法的过程示意图。请参见图4，包括：第一音频1、第一音频2、……、第一音频N，位置角度1、位置角度2、……、位置角度N和目标方向：正东方向。其中，正东方向与任意一个位置角度指示的方向都不同。获取每个第一音频对应的频谱图，得到N张频谱图，并通过全连接层A得到音频特征。通过编码器A对N个位置角度进行处理，得到位置向量，并通过全连接层B对位置向量进行处理，得到位置特征。通过编码器B对正东方向进行编码，得到方向向量，并通过全连接层C对方向向量进行处理，得到方向特征。

请参见图4，对音频特征、位置特征和方向特征进行拼接处理，得到融合特征，并向音频分解模型中输入融合特征。音频分解模型对融合特征进行处理，得到正东方向(目标方向)的第二音频。这样，由于正东方向与任意一个位置角度指示的方向都不同，因此，通过音频分解模型可以获取空间中的任意未知方向上的音频，无需设置多个麦克风，进而降低音频获取的成本。

需要说明的是，图4所示的实施例中，全连接层A、全连接层B、全连接层C中的参数都可以与音频分解模型进行同步更新。

在图2所示的实施例的基础上，下面，结合图5，对上述音频分解方法中，音频分解模型的获取方法进行说明。

图5为本公开实施例提供的一种音频分解模型的获取方法示意图。请参见图5，该方法流程包括：

S501、获取样本音频、样本音频的声源与音频采集设备之间的样本位置角度和样本方向。

可选的，样本音频、样本位置角度和样本方向都可以为预先设置的训练样本。例如，用户可以在空间中设置多个音频采集设备，进而通过多个音频采集设备获取到空间中每个角度对应的样本音频，以及每个音频采集设备的样本位置角度。

S502、通过音频分解模型对样本音频、样本位置角度和样本方向进行处理，得到分解音频。

可选的，电子设备可以基于如下可行的实现方式，得到分解音频：获取样本音频的样本音频特征、样本位置角度的样本位置特征和样本方向的样本方向特征。需要说明的是，电子设备获取样本音频特征、样本位置特征和样本方向特征的方法可以参考步骤S202，本公开实施例对此不再进行赘述。

基于样本音频特征、样本位置特征和样本方向特征，得到样本融合特征。例如，电子设备可以对样本音频特征、样本位置特征和样本方向特征进行拼接处理，进而得到样本融合特征。例如，电子设备可以向预设模型中输入样本音频特征、样本位置特征和样本方向特征，预设模型可以输出样本融合特征，其中，预设模型用于对多个特征进行融合处理。

通过音频分解模型对样本融合特征进行处理，得到分解音频。例如，通过音频分解模型对样本融合特征进行处理，得到样本分解特征，电子设备通过全连接层对样本分解特征进行还原，可以得到分解音频对应的频谱图，通过训练好的声码器对分解音频对应的频谱图进行处理，进而得到样本方向上的分解音频。

S503、获取样本方向相关联的目标音频。

可选的，目标音频为样本方向上的实际音频。例如，在获取音频分解模型的训练样本时，电子设备可以获取样本方向上的实际音频，进而将实际音频作为标签对音频分解模型进行训练。例如，电子设备可以通过多个麦克风，获取空间中任意角度的音频，进而得到样本方向相关联的目标音频。

可选的，音频分解模型中的多组训练样本中包括样本音频、样本位置角度、样本方向和目标音频。例如，对于样本音频1、样本位置角度1和样本方向1，获取样本方向1上的目标音频1，得到一组样本，该组样本包括样本音频1、样本位置角度1、样本方向1和样本方向1上的目标音频1。采用该种方式，可以得到多组样本，例如，多组样本可以如表1所示：

表1

样本音频	样本位置角度	样本方向	目标音频
				样本音频1	样本位置角度1	样本方向1	目标音频1
样本音频1	样本位置角度2	样本方向2	目标音频2
				样本音频1	样本位置角度3	样本方向3	目标音频3
……	……	……	……

需要说明的是，表1只是以示例的形式示意多组样本，并非对多组样本的限定。

例如，若输入音频分解模型中的第一音频与样本音频1相同，位置角度与样本位置角度1相同，目标方向与样本方向1相同，则目标方向上的第二音频为目标音频1；若输入音频分解模型中的第一音频与样本音频2相同，位置角度与样本位置角度2相同，目标方向与样本方向2相同，则目标方向上的第二音频为目标音频2；若输入音频分解模型中的第一音频与样本音频3相同，位置角度与样本位置角度3相同，目标方向与样本方向3相同，则目标方向上的第二音频为目标音频3。

S504、基于分解音频和目标音频，对音频分解模型进行更新。

可选的，电子设备可以通过如下可行的实现方式，对音频分解模型进行更新：基于分解音频和目标音频，确定音频分解模型的预测误差。例如，通过分解音频和目标音频，可以得到分解音频与目标音频之间的差值，进而将该差值确定为音频分解模型的预测误差。

可选的，电子设备可以基于分解音频的频谱图和目标音频的频谱图，确定音频分解模型的预测误差。例如，电子设备可以获取分解音频的频谱图和目标音频的频谱图，进而可以得到两张频谱图之间的图像差值，进而将该差值确定为预测误差。

基于预测误差，对音频分解模型中的模型参数进行更新。例如，预测误差可以为音频分解模型中的损失函数，通过该损失函数对音频分解模型中的模型参数进行反向调整，在音频分解模型收敛时，电子设备确定音频分解模型训练结束。

下面，结合图6，对更新音频分解模型中的模型参数的过程进行说明。

图6为本公开实施例提供的一种更新模型参数的过程示意图。请参见图6，包括：第一音频1、第一音频2、……、第一音频N，位置角度1、位置角度2、……、位置角度N和目标方向：正东方向。其中，正东方向与任意一个位置角度指示的方向都不同。获取融合特征，并向音频分解模型中输入融合特征，音频分解模型对融合特征进行处理，得到正东方向上的分解音频。

请参见图6，电子设备可以获取正东方向实际的目标音频，并通过分解音频和目标音频，确定音频分解模型的预测误差，通过预测误差对音频分解模型中的模型参数进行更新，循环上述训练过程，直至音频分解模型收敛。这样，音频分解模型的训练准确度较高，并且电子设备可以通过音频分解模型，提高音频分解的准确度。

本公开实施例提供一种音频分解模型的获取方法，获取样本音频、样本音频的声源与音频采集设备之间的样本位置角度和样本方向，通过所述音频分解模型对所述样本音频、所述样本位置角度和所述样本方向进行处理，得到分解音频，获取所述样本方向相关联的目标音频，基于分解音频和目标音频，对音频分解模型进行更新。这样，由于电子设备通过样本音频和分解音频的预测误差对音频分解模型的模型参数进行更新，因此，音频分解模型的训练准确度较高，提高音频分解的准确度。

在上述任意一个实施例的基础上，上述音频分解模型的训练步骤中还包括通过预测概率和样本概率对音频分解模型进行更新的过程，下面，结合图7，对另一种音频分解模型的获取方法进行说明。

图7为本公开实施例提供的另一种音频分解模型的获取方法示意图。请参见图7，该方法流程包括：

S701、获取样本音频、样本音频的声源与音频采集设备之间的样本位置角度和样本方向。

需要说明的是，步骤S701的执行过程可以参照步骤S501，本公开实施例对此不再进行赘述。

S702、获取样本音频的样本音频特征、样本位置角度的样本位置特征和样本方向的样本方向特征。

需要说明的是，步骤S702的执行过程可以参照步骤S502，本公开实施例对此不再进行赘述。

S703、基于样本音频特征、样本位置特征和样本方向特征，得到样本融合特征。

需要说明的是，步骤S703的执行过程可以参照步骤S502，本公开实施例对此不再进行赘述。

S704、通过音频分解模型对样本融合特征进行处理，得到分解音频。

可选的，电子设备可以通过音频分解模型对样本融合特征进行处理，得到分解音频对应的分解特征，通过全连接层对分解特征进行处理，得到分解音频对应的频谱图，进而得到分解音频。

S705、通过音频分解模型对样本融合特征进行处理，得到预测概率。

可选的，预测概率为样本方向存在音频的概率。例如，预测概率可以为0-1的数值，通过预测概率可以确定样本方向上存在音频的概率。

可选的，预测概率可以为时间方向上的一维向量。例如，若样本音频为10秒的音频，则音频分解模型得到的样本方向上的预测概率在时间方向上的长度为10，每个时刻的采样点的数值都为0-1的概率值。

下面，结合图8，对预测概率进行说明。

图8为本公开实施例提供的一种预测概率的示意图。请参见图8，包括：时间轴。其中，时间轴为目标方向上的时间轴。时间轴中包括时刻A、时刻B和时刻C三个采样点。在时刻A，目标方向上存在音频的预测概率为0.1，在时刻B，目标方向上存在音频的预测概率为0.5，在时刻C，目标方向上存在音频的预测概率为0.7。

S706、获取样本方向相关联的样本概率和样本方向相关联的目标音频。

可选的，电子设备可以获取样本方向相关联的样本概率和样本方向相关联的目标音频。例如，若样本方向上存在目标音频，则确定样本概率为1，若样本方向上不存在目标音频，则确定样本概率为0，需要说明的是，由于音频的声波在空间中传播时会逐渐衰减，因此，样本概率也可以为0.3、0.5等数值。

下面，结合图9，对样本概率进行说明。

图9为本公开实施例提供的一种样本概率示意图。请参见图9，包括：空间预测概率图。其中，空间预测概率图为球面空间展开之后的平面图。空间预测概率图中的每个点都可以指示空间中的一个方向。空间预测概率图中的灰色区域为可能存在音频的区域，灰色区域的颜色越深，该方向上存在音频的概率越大。

S707、基于分解音频、目标音频、预测概率和样本概率，对音频分解模型进行更新。

可选的，电子设备可以基于分解音频和目标音频，对音频分解模型进行更新。例如，电子设备可以通过分解音频的频谱图与目标音频的频谱图之间的图像差，对音频分解模型进行更新。

可选的，在电子设备基于分解音频和目标音频，对音频分解模型中的模型参数进行更新时，电子设备可以基于预测概率和样本概率，对音频分解模型进行更新。例如，电子设备可以将分解音频的频谱图与目标音频的频谱图之间的误差作为第一损失函数，将预测概率和样本概率之间的误差作为第二损失函数，进而通过第一损失函数和第二损失函数，对音频分解模型中的模型参数进行更新。

下面，结合图10，对更新音频分解模型中的模型参数的过程进行说明。

图10为本公开实施例提供的另一种更新模型参数的过程示意图。请参见图10，包括：样本音频1、样本音频2、……、样本音频N，位置角度1、位置角度2、……、位置角度N和目标方向：正东方向。其中，正东方向与任意一个位置角度指示的方向都不同。获取融合特征，并向音频分解模型中输入融合特征，音频分解模型对融合特征进行处理，得到正东方向上的分解音频和正东方向存在音频的预测概率。

请参见图10，电子设备可以获取正东方向实际的目标音频，并通过分解音频和目标音频，确定音频分解模型的第一预测误差，电子设备可以获取正东方向存在音频的样本概率，并通过预测概率和样本概率，确定音频分解模型的第二预测误差，并通过第一预测误差和第二预测误差对音频分解模型中的模型参数进行更新。其中，第一预测误差和第二预测误差的权重可以相同，也可以设置为任意比例，本公开实施例对此不作限定。

本公开实施例提供一种音频分解模型的获取方法，获取样本音频、样本音频的声源与音频采集设备之间的样本位置角度和样本方向，获取样本音频的样本音频特征、样本位置角度的样本位置特征和样本方向的样本方向特征，基于样本音频特征、样本位置特征和样本方向特征，得到样本融合特征，通过音频分解模型对样本融合特征进行处理，得到分解音频，通过音频分解模型对样本融合特征进行处理，得到预测概率，获取样本方向相关联的样本概率和样本方向相关联的目标音频，基于分解音频、目标音频、预测概率和样本概率，对音频分解模型进行更新。这样，由于音频分解模型中的损失函数包括样本音频和分解音频之间的预测误差，以及样本概率和预测概率之间的预测误差，因此，音频分解模型的训练准确度较高，提高音频分解的准确度。

图11为本公开实施例提供的一种音频分解装置的结构示意图。请参见图11，该音频分解装置110包括获取模块111、确定模块112和播放模块113，其中：

所述获取模块111用于，获取音频采集设备采集的第一音频、所述音频采集设备与所述第一音频的声源之间的位置角度和音频分解的目标方向；

所述确定模块112用于，基于音频分解模型、所述第一音频、所述位置角度和所述目标方向，确定所述目标方向的第二音频，所述音频分解模型是基于样本音频、所述样本音频的声源与音频采集设备的样本位置角度、样本方向和所述样本方向相关联的音频训练得到的；

所述播放模块113用于，播放所述第二音频。

在一种可能的实施方式中，所述确定模块112具体用于：

获取所述第一音频的音频特征、所述位置角度的位置特征和所述目标方向的方向特征；

基于所述音频特征、所述位置特征和所述方向特征，确定融合特征；

基于所述音频分解模型，对所述融合特征进行处理，得到所述第二音频。

在一种可能的实施方式中，所述获取模块111具体用于：

显示视频播放页面，所述视频播放页面中包括第一视频相关联的播放控件；

响应于对所述播放控件的触发操作，获取所述第一音频和所述位置角度。

本公开实施例提供的音频分解装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。

图12为本公开实施例提供的另一个音频分解装置的结构示意图。在图11所示的实施例的基础上，请参见图12，该音频分解装置还包括训练模块114，所述训练模块114用于：

获取样本音频、所述样本音频的声源与音频采集设备之间的样本位置角度和样本方向；

通过所述音频分解模型对所述样本音频、所述样本位置角度和所述样本方向进行处理，得到分解音频；

获取所述样本方向相关联的目标音频；

基于所述分解音频和所述目标音频，对所述音频分解模型进行更新。

在一种可能的实施方式中，所述训练模块114具体用于：

获取所述样本音频的样本音频特征、所述样本位置角度的样本位置特征和所述样本方向的样本方向特征；

基于所述样本音频特征、所述样本位置特征和所述样本方向特征，得到样本融合特征；

通过所述音频分解模型对所述样本融合特征进行处理，得到所述分解音频。

在一种可能的实施方式中，所述训练模块114具体用于：

基于所述分解音频和所述目标音频，确定所述音频分解模型的预测误差；

基于所述预测误差，对所述音频分解模型中的模型参数进行更新。

在一种可能的实施方式中，所述训练模块114还用于：

通过所述音频分解模型对所述样本融合特征进行处理，得到预测概率，所述预测概率为所述样本方向存在音频的概率；

获取所述样本方向相关联的样本概率；

基于所述预测概率和所述样本概率，对所述音频分解模型进行更新。

本公开实施例提供的音频分解装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。

图13为本公开实施例提供的一种电子设备的结构示意图。请参见图13，其示出了适于用来实现本公开实施例的电子设备1300的结构示意图，该电子设备1300可以为终端设备或电子设备。其中，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、个人数字助理(Personal Digital Assistant，简称PDA)、平板电脑(PortableAndroid Device，简称PAD)、便携式多媒体播放器(Portable Media Player，简称PMP)、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13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13所示，电子设备1300可以包括处理装置(例如中央处理器、图形处理器等)1301，其可以根据存储在只读存储器(Read Only Memory，简称ROM)1302中的程序或者从存储装置1308加载到随机访问存储器(Random Access Memory，简称RAM)1303中的程序而执行各种适当的动作和处理。在RAM 1303中，还存储有电子设备1300操作所需的各种程序和数据。处理装置1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出(I/O)接口1305也连接至总线1304。

通常，以下装置可以连接至I/O接口1305：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1306；包括例如液晶显示器(Liquid CrystalDisplay，简称LCD)、扬声器、振动器等的输出装置1307；包括例如磁带、硬盘等的存储装置1308；以及通信装置1309。通信装置1309可以允许电子设备1300与其他设备进行无线或有线通信以交换数据。虽然图13示出了具有各种装置的电子设备1300，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1309从网络上被下载和安装，或者从存储装置1308被安装，或者从ROM 1302被安装。在该计算机程序被处理装置1301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。

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，使得该电子设备执行上述实施例所示的方法。

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(LocalArea Network，简称LAN)或广域网(Wide Area Network，简称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单元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，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

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。

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。

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。

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。数据可以包括信息、参数和消息等，如切流指示信息。

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。

Claims (11)

1.一种音频分解方法，其特征在于，包括：

获取音频采集设备采集的第一音频、所述音频采集设备与所述第一音频的声源之间的位置角度和音频分解的目标方向；

基于音频分解模型、所述第一音频、所述位置角度和所述目标方向，确定所述目标方向的第二音频，所述音频分解模型是基于样本音频、所述样本音频的声源与音频采集设备的样本位置角度、样本方向和所述样本方向相关联的音频训练得到的；

播放所述第二音频。

2.根据权利要求1所述的方法，其特征在于，所述基于音频分解模型、所述第一音频、所述位置角度和所述目标方向，确定所述目标方向的第二音频，包括：

获取所述第一音频的音频特征、所述位置角度的位置特征和所述目标方向的方向特征；

基于所述音频特征、所述位置特征和所述方向特征，确定融合特征；

基于所述音频分解模型，对所述融合特征进行处理，得到所述第二音频。

3.根据权利要求1或2所述的方法，其特征在于，所述获取音频采集设备采集的第一音频、所述音频采集设备与所述第一音频的声源之间的位置角度，包括：

显示视频播放页面，所述视频播放页面中包括第一视频相关联的播放控件；

响应于对所述播放控件的触发操作，获取所述第一音频和所述位置角度。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述音频分解模型是通过以下步骤确定的：

获取样本音频、所述样本音频的声源与音频采集设备之间的样本位置角度和样本方向；

通过所述音频分解模型对所述样本音频、所述样本位置角度和所述样本方向进行处理，得到分解音频；

获取所述样本方向相关联的目标音频；

基于所述分解音频和所述目标音频，对所述音频分解模型进行更新。

5.根据权利要求4所述的方法，其特征在于，所述通过所述音频分解模型对所述样本音频、所述样本位置和所述样本方向进行处理，得到分解音频，包括：

获取所述样本音频的样本音频特征、所述样本位置角度的样本位置特征和所述样本方向的样本方向特征；

基于所述样本音频特征、所述样本位置特征和所述样本方向特征，得到样本融合特征；

通过所述音频分解模型对所述样本融合特征进行处理，得到所述分解音频。

6.根据权利要求4或5所述的方法，其特征在于，所述基于所述分解音频和所述目标音频，对所述音频分解模型进行更新，包括：

基于所述分解音频和所述目标音频，确定所述音频分解模型的预测误差；

基于所述预测误差，对所述音频分解模型中的模型参数进行更新。

7.根据权利要求5或6所述的方法，其特征在于，所述方法还包括：

通过所述音频分解模型对所述样本融合特征进行处理，得到预测概率，所述预测概率为所述样本方向存在音频的概率；

获取所述样本方向相关联的样本概率；

基于所述预测概率和所述样本概率，对所述音频分解模型进行更新。

8.一种音频分解装置，其特征在于，包括获取模块、确定模块和播放模块，其中：

所述获取模块用于，获取音频采集设备采集的第一音频、所述音频采集设备与所述第一音频的声源之间的位置角度和音频分解的目标方向；

所述确定模块用于，基于音频分解模型、所述第一音频、所述位置角度和所述目标方向，确定所述目标方向的第二音频，所述音频分解模型是基于样本音频、所述样本音频的声源与音频采集设备的样本位置角度、样本方向和所述样本方向相关联的音频训练得到的；

所述播放模块用于，播放所述第二音频。

9.一种电子设备，其特征在于，包括：处理器和存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如权利要求1-7任一项所述的音频分解方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1-7任一项所述的音频分解方法。

11.一种计算机程序产品，包括计算机程序，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1-7任一项所述的音频分解方法。