[发明专利]一种语音信号加速方法、装置、计算机设备及存储介质

说明书

本发明公开了一种语音信号加速方法、装置、计算机设备及存储介质，包括：获取当前语音数据包中未播放的样本点总数；根据当前语音数据包的样本点总数，以及未播放的样本点总数，计算加速因子；获取与当前语音数据包对应的解码信号，利用预设的加速算法，以及加速因子，对解码信号进行加速处理。本发明实施例的技术方案可以有效改善因语音数据包堆积引起的语音丢包和播放延时的问题，提高网络环境下通话过程中的语音质量。

技术领域

本发明实施例涉及语音信号处理技术，尤其涉及一种语音信号加速方法、装置、计算机设备及存储介质。

背景技术

网页实时通信接口(Web Real-Time Communication，WebRTC)是一个支持网页浏览器进行实时语音对话或视频对话的程序接口。音频处理引擎是WebRTC中用于处理音频信号的模块，包括：音频信号编解码器、丢包补偿模块NetEQ、回声消除和噪声抑制等模块。其中，所述丢包补偿模块NetEQ中集成了构建动态抖动缓存区和错误隐藏(丢包补偿)的算法，用于去除网络抖动和数据包丢失的负面影响。

图1a是NetEQ模块的示意图，如图1a所示，在NetEQ模块中，又被大致分为微控单元(Micro Control Unit，MCU)模块和数字信号处理(Digital Signal Process，DSP)模块。MCU模块主要负责把从网络侧接收到的语音数据包经过解析后往抖动缓存区里插入，以及从抖动缓存区里提取语音数据包给DSP模块做解码以及信号处理等，同时MCU模块还根据网络延时和抖动缓存延时以及其他因素确定给DSP模块发送的信号处理命令。其中，主要的信号处理命令包括正常播放、加速播放、减速播放、丢包补偿以及融合处理。DSP模块主要负责对语音数据包进行解码，以及按照上述信号处理命令对语音信号处理，将处理结果放在算法缓存区中，最后将算法缓存区中的数据放进语音播放缓存区，以等待取走播放。

然而，由于抖动缓存区的大小有限，容易造成大量的语音数据包堆积在抖动缓存区，从而引起数据丢失，语音播放出现延迟的情形。为了解决这个技术问题，通常采用波形相似重叠相加算法(Waveform Similarity Overlap-Add，WSOLA)实现对语音进行加速。WSOLA算法采用的是分解合成的思想，首先将原始语音信号以帧间距L，帧长N进行分帧，然后以帧间距αL进行合成，以实现对语音信号加速，其中，α为时长调整因子。

但是，WSOLA算法中对语音信号进行合成时，时长调整因子为固定的预设值，对于语音数据包较大的情形，无法有效改善因语音数据包堆积引起的语音丢包和播放延时的问题。

发明内容

本发明实施例提供一种语音信号加速方法、装置、计算机设备及存储介质，可以有效改善因语音数据包堆积引起的语音丢包和播放延时的问题。

第一方面，本发明实施例提供了一种语音信号加速方法，应用于丢包补偿模块NetEQ中，所述方法包括：

获取当前语音数据包中未播放的样本点总数；

根据所述当前语音数据包的样本点总数，以及所述未播放的样本点总数，计算加速因子；

获取与所述当前语音数据包对应的解码信号，利用预设的加速算法，以及所述加速因子，对所述解码信号进行加速处理。

第二方面，本发明实施例还提供了一种语音信号加速装置，该装置应用于丢包补偿模块NetEQ中，包括：

未播放的样本点总数获取模块，用于获取当前语音数据包中未播放的样本点总数；

加速因子计算模块，用于根据所述当前语音数据包的样本点总数，以及所述未播放的样本点总数，计算加速因子；

加速处理模块，用于获取与所述当前语音数据包对应的解码信号，利用预设的加速算法，以及所述加速因子，对所述解码信号进行加速处理。