[发明专利]一种对音频文件进行处理的方法及装置

权利要求书

1.一种对音频文件进行处理的方法，其特征在于，所述方法包括：

获取与第一音频文件与第二音频文件分别对应的第一语谱图与第二语谱图；

通过所述第一语谱图与第二语谱图获取所述第一音频文件与所述第二音频文件的偏移时间；

通过所述偏移时间对所述第一音频文件与所述第二音频文件进行关联相关处理，

其中，所述通过所述第一语谱图与第二语谱图获取所述第一音频文件与所述第二音频文件的偏移时间的步骤包括：

对所述第一语谱图与第二语谱图进行精简，得到与所述第一语谱图相对应的第三语谱图以及与所述第二语谱图对应的第四语谱图；

根据所述第三语谱图与所述第四语谱图获取所述第一音频文件与所述第二音频文件的偏移时间，

其中，所述根据所述第三语谱图与所述第四语谱图获取所述第一音频文件与所述第二音频文件的偏移时间的步骤包括：

根据所述第三语谱图与所述第四语谱图的互功率谱获取能量最大的帧位置；

根据所述能量最大的帧位置获取所述第一音频文件与所述第二音频文件的偏移时间。

2.根据权利要求1所述的方法，其特征在于，所述对所述第一语谱图与第二语谱图进行精简的步骤包括：

获取所述第一语谱图中的频谱能量排在前设定个数的多个频率值；

从所述第一语谱图与所述第二语谱图中抽取所述多个频率值，通过所述多个频率值分别得到精简的第三语谱图和第四语谱图。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第三语谱图与所述第四语谱图的互功率谱获取能量最大的帧位置的步骤包括：

对所述第三语谱图与所述第四语谱图进行整形处理；

获取整形后的所述第三语谱图与整形后的所述第四语谱图之间的互功率谱；

对所述互功率谱进行傅立叶反变换后获取相应的能量值向量；

从所述能量值向量中获取能量最大的帧位置。

4.根据权利要求3所述的方法，其特征在于，所述对所述第三语谱图与所述第四语谱图进行整形处理的步骤包括：

对所述第三语谱图与所述第四语谱图分别对应的二维矩阵按顺序拉伸分别形成第一一维向量与第二一维向量。

5.根据权利要求1所述的方法，其特征在于，所述根据所述能量最大的帧位置获取所述第一音频文件与所述第二音频文件的偏移时间的步骤包括：

根据所述能量最大的帧位置与每一帧所表示的时间的乘积得到所述第一音频文件与所述第二音频文件的偏移时间。

6.根据权利要求1-5任一所述的方法，其特征在于，所述通过所述偏移时间对所述第一音频文件与所述第二音频文件进行关联相关处理的步骤包括：

根据所述偏移时间对所述第一音频文件与所述第二音频文件进行同步；或者，

根据所述偏移时间对所述第一音频文件与所述第二音频文件进行对齐；或者，

根据所述偏移时间对所述第一音频文件与所述第二音频文件进行合成；或者，

根据所述偏移时间对所述第一音频文件与所述第二音频文件进行分离。

7.一种对音频文件进行处理的装置，其特征在于，所述装置包括：

语谱图获取模块，用于获取与第一音频文件与第二音频文件分别对应的第一语谱图与第二语谱图；

偏移时间获取模块，用于通过所述第一语谱图与第二语谱图获取所述第一音频文件与所述第二音频文件的偏移时间；

音频处理模块，用于通过所述偏移时间对所述第一音频文件与所述第二音频文件进行关联相关处理，

其中，所述偏移时间获取模块包括：

语谱图精简单元，用于对所述第一语谱图与第二语谱图进行精简，得到与所述第一语谱图相对应的第三语谱图以及与所述第二语谱图对应的第四语谱图；

偏移时间获取单元，用于根据所述第三语谱图与所述第四语谱图获取所述第一音频文件与所述第二音频文件的偏移时间，

其中，所述偏移时间获取单元包括：

能量最大帧位置获取单元，用于根据所述第三语谱图与所述第四语谱图的互功率谱获取能量最大的帧位置；

偏移时间获取子单元，用于根据所述能量最大的帧位置获取所述第一音频文件与所述第二音频文件的偏移时间。