[发明专利]音频处理方法、装置、电子设备和存储介质

权利要求书

1.一种音频处理方法，其特征在于，包括：

获取干音音频中目标时间段的目标干音音频；

根据所述目标干音音频的全局能量特征和所述目标干音音频对应的目标伴奏音频的全局掩蔽特征，确定所述干音音频对应的伴奏音频对所述干音音频的目标掩蔽能力度量值；

根据预先设置的伴奏对干音的掩蔽能力度量值与伴奏干音音量比的对应关系，确定所述目标掩蔽能力度量值对应的目标伴奏干音音量比；

将所述伴奏音频与所述干音音频的音量比调节至所述目标伴奏干音音量比。

2.根据权利要求1所述的方法，其特征在于，所述获取干音音频中的目标时间段的目标干音音频，包括：

获取所述干音音频的各帧音频的均方根能量数据；

确定所述干音音频中设定时间段内的均方根能量数据的和最大的时间段，将确定的时间段的干音音频作为所述目标干音音频。

3.根据权利要求2所述的方法，其特征在于，所述获取所述干音音频的各帧音频的均方根能量数据之后，确定所述干音音频中设定时间段内的均方根能量数据的和最大的时间段之前，还包括：

从获取的均方根能量数据中，去除所述干音音频的第一静音区域的均方根能量数据。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对于所述目标干音音频的每帧音频，将所述每帧音频的各频带的能量特征求和，得到所述每帧音频的能量特征；

将所述目标干音音频的各帧音频的能量特征的和作为所述全局能量特征。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从预先获取的所述伴奏音频的各帧音频的掩蔽特征中，获取所述目标时间段的伴奏音频的各帧音频的掩蔽特征；

将所述各帧音频的掩蔽特征的和作为所述目标伴奏音频的全局掩蔽特征。

6.根据权利要求5所述的方法，其特征在于，所述获取所述目标时间段的伴奏音频的各帧音频的掩蔽特征之后，将所述各帧音频的掩蔽特征的和作为所述目标伴奏音频的全局掩蔽特征之前，还包括：

从获取的掩蔽特征中，去除所述目标时间段的第二静音区域的伴奏音频的掩蔽特征。

7.根据权利要求5所述的方法，其特征在于，所述预先获取的所述伴奏音频的各帧音频的掩蔽特征通过如下方式获得：

对于所述伴奏音频的每帧音频，将所述每帧音频的各频带的掩蔽阈值求和，得到所述每帧音频的掩蔽特征。

8.根据权利要求7所述的方法，其特征在于，所述将所述每帧音频的各频带的掩蔽阈值求和，包括：

将所述每帧音频中的最低Bark频带的音频剔除；

将剔除所述最低Bark频带后的每帧音频的各频带的掩蔽阈值求和。

9.根据权利要求1至8任一项所述的方法，其特征在于，所述根据所述目标干音音频的全局能量特征和所述目标干音音频对应的目标伴奏音频的全局掩蔽特征，确定所述干音音频对应的伴奏音频对所述干音音频的目标掩蔽能力度量值，包括：

将所述全局掩蔽特征和所述全局能量特征的比值的平方根，作为所述干音音频对应的伴奏音频对所述干音音频的目标掩蔽能力度量值。

10.根据权利要求9所述的方法，其特征在于，所述预先设置的伴奏对干音的掩蔽能力度量值与伴奏干音音量比的对应关系通过如下方式获得：

基于样本数据集，建立伴奏对干音的掩蔽能力度量值与伴奏干音音量比的线性回归模型，并采用最小二乘法确定所述线性回归模型的系数；其中，所述样本数据集中的每个样本包括伴奏对干音的掩蔽能力度量值，以及标注的伴奏干音音量比。