[发明专利]音频对齐方法、装置、电子设备及存储介质

说明书

本公开关于一种音频对齐方法、装置、电子设备及存储介质。所述音频对齐方法可包括：获取伴奏信号以及采集的包含外放伴奏的歌声信号；估计所述伴奏信号与所述歌声信号中的外放伴奏之间每个时刻的延迟；根据估计的每个时刻的延迟对所述歌声信号进行调整以使所述歌声信号与所述伴奏信号对齐。

技术领域

本公开涉及信号处理领域，尤其涉及一种用于音频对齐的方法、装置、电子设备及存储介质。

背景技术

随着互联网和智能设备技术的提升，各种智能设备(如手机、电脑等)上音频录制软件(例如，K歌软件)的使用已经非常普及。在使用智能设备中的音频录制软件进行歌曲录制时，由于系统设备的系统延迟，播放的伴奏到达扬声器的激励存在一定的延迟，且该延迟会发生变化和抖动，唱歌者根据扬声器实际播放的伴奏进行歌唱，而这会出现伴奏与歌声出现明显错位或不对齐的现象，而这种错位或不对齐将非常影响后续录制的歌曲质量。

发明内容

本公开提供一种用于音频对齐的方法、装置、电子设备及存储介质，以至少解决由于延迟而导致歌声与伴奏错位或不对齐的问题。

根据本公开实施例的第一方面，提供了一种用于音频对齐的方法，所述方法包括：获取伴奏信号以及采集的包含外放伴奏的歌声信号；估计所述伴奏信号与所述歌声信号中的外放伴奏之间每个时刻的延迟；根据估计的每个时刻的延迟对所述歌声信号进行调整以使所述歌声信号与所述伴奏信号对齐。

可选地，所述估计所述伴奏信号与所述歌声信号中的外放伴奏之间每个时刻的延迟，包括：对所述伴奏信号和所述歌声信号分别进行短时傅里叶变换，以获得与所述伴奏信号对应的第一频域音频信号和与所述歌声信号对应的第二频域音频信号；基于第一频域音频信号和第二频域音频信号，估计第一频域音频信号与第二频域音频信号中与所述外放伴奏对应的频域信号分量之间每个时刻的延迟帧数。

可选地，所述根据估计的每个时刻的延迟对所述歌声信号进行调整以使所述歌声信号与所述伴奏信号对齐，包括：将所述每个时刻的延迟帧数与所述每个时刻之前的连续多个时刻的延迟帧数构成预定长度的延迟序列，作为与所述每个时刻对应的延迟序列；通过对与所述每个时刻对应的延迟序列进行置信度判断来确定延迟序列中置信度最高的延迟帧数，并将所述置信度最高的延迟帧数作为所述每个时刻的最终延迟帧数；根据所述每个时刻的最终延迟帧数对所述歌声信号进行调整以使所述歌声信号与所述伴奏信号对齐。

可选地，所述通过对与所述每个时刻对应的延迟序列进行置信度判断来确定延迟序列中置信度最高的延迟帧数，包括：基于与所述歌声信号对应的乐器数字接口MIDI信息或具有时间标注的歌词信息对与所述每个时刻对应的延迟序列进行置信度判断，来确定延迟序列中置信度最高的延迟帧数。

可选地，所述基于与所述歌声信号对应的乐器数字接口MIDI信息或具有时间标注的歌词信息对与所述每个时刻对应的延迟序列进行置信度判断，来确定延迟序列中置信度最高的延迟帧数，包括：基于与所述歌声信号对应的乐器数字接口MIDI信息或具有时间标注的歌词信息，确定与延迟序列中的各个时刻对应的歌声信号是否存在歌声；根据确定结果以及延迟序列，获得与延迟序列对应的统计直方图；将与统计直方图中的最大值对应的延迟帧数作为所述置信度最高的延迟帧数。

可选地，所述根据所述每个时刻的最终延迟帧数对所述歌声信号进行调整以使所述歌声信号与所述伴奏信号对齐，包括：根据预定的最大容忍延迟帧数确定所述每个时刻的时域延迟样点数；基于所述每个时刻的时域延迟样点数，对所述歌声信号进行调整；对调整后的歌声信号进行平滑处理。