[发明专利]一种音频处理方法及相关产品

说明书

本申请实施例公开了一种音频处理方法及相关产品。该方法包括：对原始音频分别做N种不同的音调调整，得到候选音频集合，候选音频集合包含N个候选音频且任意两个候选音频的音调相差至少一个半音；将候选音频集合中的各个候选音频分别与原版伴奏做对齐处理，得到各个候选音频与原版伴奏的对齐相似度；将候选音频集合中与原版伴奏的对齐相似度超过目标阈值的候选音频确定为目标候选音频；对目标候选音频和原版伴奏做合成处理，得到目标音频。通过本方法可以解决原先利用音频指纹相似度实现对齐在用户演唱的作品做了升降调处理之后无法生效的问题，同时可以准确提取出用户原先升降调设定的半音值，使合成过程中的计算次数更少，效率更高。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种音频处理方法及相关产品。

背景技术

唱歌是现代人在日常生活中一种常见的娱乐方式，人们通过唱歌打发时间，缓解压力，联络情感，优秀的演唱者除了享受唱歌外还能在唱歌过程中收获满足感和自豪感。出于这一庞大的市场需求以及智能手机的日益普及和应用，越来越多的音乐软件以在线K歌为切入点，通过好友合唱互动的方式，聚焦音乐，为广大用户提供极致的唱歌体验和各种媲美专业调音的效果，将K歌做到极致，吸引更多的人加入使用。其中，合唱可以通过多种方式来实现，可以是多名用户同时通过音乐软件共同在线完成合唱，也可以是用户通过音乐软件各自完成歌曲的独唱，音乐软件再通过将用户上传的独唱作品其中的部分片段替换为另一用户的演唱内容，以此来实现合唱功能。

在上述的独唱转合唱的方式中，因为用户演唱的作品上传时无法同步上报用户调整的各项参数，导致音乐软件在利用这些演唱作品资源做合唱时，因为参数缺失，会出现很多问题使合唱作品在衔接处的合成效果不佳，使人的听感上会有很明显的抖变，比如伴奏版本不一致导致的偏移问题。为了应对上述问题，现有的方案采用的是基于音频指纹实现的对齐算法，利用输入音频文件听感相似，输出的相似度会越高的性质，先计算一整串音频的音频指纹，其中，音频指纹的本质是一串保存了音频信息的32比特(binary digit，bit)无符号整型数组，再通过偏移计算得到的32bit无符号整型数组的起始位置，模拟出音频偏移的效果，从而实现音频对齐，这套对齐算法在解决伴奏偏移问题上非常有效。

但是，在伴奏偏移问题和其他问题同时存在的情况下，上述对齐算法收效甚微，如果还是按照现有的方案去比对音频指纹，即使从用户演唱的作品和原版伴奏作品截取的是同一段伴奏音频，得到的相似度还是会远低于目标阈值，这将导致对齐的结果准确度较低。

发明内容

本申请实施例公开了一种音频处理方法及相关产品。在本方法中，在音频指纹的基础上做了优化，音频指纹提取需要将每一帧音频数据的短时傅里叶变换结果映射到巴克域，可以按照某个升降调的半音值在映射过程中做缩放，这样可以在不修改原音频的情况下，获得升降调对应半音值的大致音频指纹。通过本方法可以解决原先利用音频指纹相似度实现对齐在用户演唱的作品做了升降调处理之后无法生效的问题，同时可以准确提取出用户原先升降调设定的半音值，使合成过程中的计算次数更少，效率更高。

第一方面，本申请实施例提供了一种音频处理方法，该方法包括：

对原始音频分别做N种不同的音调调整，得到候选音频集合，所述候选音频集合包含N个候选音频，所述候选音频集合中的任意两个候选音频的音调相差至少一个半音，所述原始音频为人演唱的干声和原版伴奏混合处理得到的音频，所述N为正整数；

将所述候选音频集合中的各个候选音频分别与所述原版伴奏做对齐处理，得到各个所述候选音频与所述原版伴奏的对齐相似度；其中，对齐相似度用于表征所述候选音频与所述原版伴奏对齐的程度；

将所述候选音频集合中与所述原版伴奏的对齐相似度超过目标阈值的候选音频确定为目标候选音频；

对所述目标候选音频和所述原版伴奏做合成处理，得到目标音频。