[发明专利]一种基于音频特征的数字音频延展方法

说明书

技术领域

本发明涉及音频处理技术领域，特别是涉及一种基于音频特征的数字音频延展方法。

背景技术

随着互联网和多媒体技术的迅速发展，音乐已经成为人们生活中不可或缺的组成部分。在现实生活中，我们经常会遇到为某个场景添加背景音乐的情况，一般而言背景音乐的时长和用户需求的时长并不相符。在改变音乐时长时，为了保证音乐的播放质量，我们需要调整乐曲的结构。现有的调整乐曲结构的方法分均匀和非均匀两种。其中均匀的调整乐曲结构的方法在音频时域改变较大的情况下的效果并不理想。而非均匀的调整乐曲结构的方法往往仅考虑了用户需求的时长小于数字音频时长的情况。

因此，需要本领域技术人员迫切解决的一个技术问题就是：如何能够创新的提出有一种有效措施以克服现有技术存在的缺陷，满足实际中用户的需求。

发明内容

本发明所要解决的技术问题是提供一种基于音频特征的数字音频延展方法，用以保证乐曲在被延展后听觉效果与原乐曲接近，不破坏乐曲的欣赏性。

为了解决上述问题，本发明公开了一种基于音频特征的数字音频延展方法，所述方法包括：

将原始数字音频文件按照预设标准进行分段，得到以段落为单位记录乐曲信息的数据；

根据段落间的相似性对段落分类；

选取合适的连续段落插入原乐曲，使其达到用户需求时长的80％到120％；

对于插入后的乐曲，选取抗性符合预设需求的段落，对该段落进行长度的时域修改，并重复该步骤，直到达到用户需求时长。

优选的，所述音频文件是以采样点来记录乐曲信息。

优选的，所述方法还包括：

预设指定个数采样点为一帧，获取以帧为单位记录乐曲信息的数据。

优选的，所述方法还包括：

采用音频处理工具提取音频文件中各个帧的特征值。

优选的，所述段落间相似性的度量以两个段落内所有帧的特征值组成的向量的距离为依据。

优选的，定义抗性为对乐曲进行时域修改(延展或者压缩)后乐曲效果的变化，抗性好则表示对乐曲进行时域修改后乐曲效果变化小。

与现有技术相比，本发明具有以下优点：

本发明涉及一种基于音频特征的数字音频延展方法，在数字音频时域延展前，根据乐曲段落的相似性在乐曲中选择合适的位置插入音频片段，保证插入操作后音频片段之间自然衔接。在插入操作后，通过计算音频片段的延展抗性找出最优的可延展片段进行适度延展，重复进行至达到延展要求，最大限度地降低音频延展对于音频质量的影响，保证整首乐曲在延展后的播放效果，由于乐曲在被延展后听觉效果与原乐曲接近，没有破坏乐曲的欣赏性。

附图说明

图1是本发明具体实施方式所述的一种基于音频特征的数字音频延展方法的示意图；

图2是本发明具体实施方式所述的方法的延展过程中，各个步骤的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

参照图1，示出了本发明一种基于音频特征的数字音频延展方法的示意图，

(1)将原始数字音频按照指定个数的采样点进行划分，得到一个音频帧序列，记为f₁、f₂、f₃、......、f_m-1、f_m，如图2(a)所示。

在本发明的实施例中，上述原始数字音频的音频格式可以为WAV格式，其采样率为fHz，原始时长为T秒。通常指定采样点个数为N＝512×n(n一般取1，2，4，8)，音频结尾采样点个数不足N个则用0补足。则每个帧的时长单位为秒，上述音频帧序列的帧的个数

(2)对于上述音频帧序列t₁、t₂、t₃、......、f_m-1、f_m，分别提取它们的音频特征值，得到一个音频帧特征值序列ft₁、ft₂、ft₃、......、ft_m-1、ft_m，如图2(a)所示。

在本发明的实施例中，上述的音频特征值可以为基频、过零率、梅尔倒谱系数的均值、谱质心或者它们中几个特征值的加权平均。