[发明专利]实时修音方法、装置及电子设备

权利要求书

1.一种实时修音方法，其特征在于，包括：

采集目标用户当前时刻的实时音频；

定位所述实时音频在背景音乐中的目标位置；

在所述目标用户对应所述背景音乐的完整模拟音频中，截取所述目标位置对应的模拟音频；依据所述实时音频与所述模拟音频，获得对应所述目标位置的最优音频；

输出所述最优音频；

其中，所述在所述目标用户对应所述背景音乐的完整模拟音频中，截取所述目标位置对应的模拟音频的步骤之前，所述方法还包括：

利用所述目标用户的历史音频数据训练模拟音频生成模型；

将所述背景音乐的音频数据输入到训练后的所述模拟音频生成模型，获得所述目标用户对应所述背景音乐的完整模拟音频；

所述依据所述实时音频与所述模拟音频，获得对应所述目标位置的最优音频的步骤，包括：将所述实时音频和所述模拟音频与目标位置对应的预设参考音频比较，确定与所述预设参考音频的相似程度较高的目标音频，其中，所述目标音频为所述实时音频和所述模拟音频中的任一种；

若所述目标音频为所述实时音频，则将所述实时音频作为所述最优音频；

若所述目标音频为所述模拟音频，则不将所述实时音频作为所述最优音频；

其中，所述若所述目标音频为所述模拟音频，则不将所述实时音频作为所述最优音频的步骤，包括：

若所述目标音频为所述模拟音频，则按照预设融合算法将所述实时音频和所述模拟音频融合得到所述最优音频。

2.根据权利要求1所述的方法，其特征在于，所述利用所述目标用户的历史音频数据训练模拟音频生成模型的步骤，包括：

将所述目标用户的历史音频数据输入模拟音频生成模型，提取所述目标用户的声纹数据；所述将所述背景音乐的音频数据输入到训练后的所述模拟音频生成模型，获得所述目标用户对应所述背景音乐的完整模拟音频的步骤，包括：

控制所述模拟音频生成模型利用所述目标用户的声纹数据和所述背景音乐的音频数据，生成所述目标用户对应所述背景音乐的完整模拟音频。

3.根据权利要求2所述的方法，其特征在于，所述利用所述目标用户的历史音频数据训练模拟音频生成模型的步骤之前，所述方法还包括：

获取预设数量的样本用户的音频数据；

将所述预设数量的样本用户的音频数据输入人工神经网络，训练得到所述模拟音频生成模型。

4.根据权利要求1所述的方法，其特征在于，所述预设融合算法为加权平均算法。

5.根据权利要求1所述的方法，其特征在于，所述目标位置对应的预设参考音频为所述目标位置对应的背景音乐。

6.根据权利要求1所述的方法，其特征在于，所述采集目标用户当前时刻的实时音频的步骤，包括：

在当前采集周期内，采集所述目标用户的实时音频；

所述输出所述最优音频的步骤，包括：

在所述当前采集周期结束时输出所述最优音频。

7.根据权利要求6所述的方法，其特征在于，所述采集周期为0.1秒。