[发明专利]音频数据处理方法、装置、计算机设备及存储介质

权利要求书

1.一种音频数据处理方法，其特征在于，所述方法包括：

获取目标音频数据的频谱图像，所述频谱图像用于表示所述目标音频数据中的声音的频率随时间变化的情况；

基于频谱图像与表情参数集之间的映射关系，获取与所述目标音频数据的频谱图像匹配的目标表情参数集，所述目标表情参数集中的目标表情参数用于模拟演唱者发出所述目标音频数据时的脸部表情；

按照所述目标表情参数集对模板脸部模型进行调整，得到具有所述脸部表情的目标脸部模型。

2.根据权利要求1所述的方法，其特征在于，所述目标音频数据包括多个时间段内的音频数据，所述获取目标音频数据的频谱图像，包括：

将所述多个时间段内的音频数据分别转换成匹配的频谱图像；

所述基于频谱图像与表情参数集之间的映射关系，获取与所述目标音频数据的频谱图像匹配的目标表情参数集，包括：

基于所述映射关系，分别获取与转换得到的多个频谱图像匹配的目标表情参数集。

3.根据权利要求1所述的方法，其特征在于，所述基于频谱图像与表情参数集之间的映射关系，获取与所述目标音频数据的频谱图像匹配的目标表情参数集，包括：

基于所述目标音频数据的频谱图像，查询所述映射关系，确定所述映射关系中与所述目标音频数据的频谱图像相似的参考频谱图像；

将所述映射关系中所述参考频谱图像匹配的表情参数集，确定为所述目标表情参数集。

4.根据权利要求1所述的方法，其特征在于，所述基于频谱图像与表情参数集之间的映射关系，获取与所述目标音频数据的频谱图像匹配的目标表情参数集，包括：

基于映射模型，对所述目标音频数据的频谱图像进行映射，得到与所述目标音频数据的频谱图像匹配的所述目标表情参数集，所述映射模型包括所述映射关系。

5.根据权利要求4所述的方法，其特征在于，所述基于映射模型，对所述目标音频数据的频谱图像进行映射，得到与所述目标音频数据的频谱图像匹配的所述目标表情参数集，包括：

基于所述映射模型，对所述目标音频数据的频谱图像进行特征提取，得到所述频谱图像的图像特征，所述图像特征用于描述所述频谱图像中声音的频率与时间之间的关系；

基于所述映射模型，对所述图像特征进行特征变换，得到所述目标表情参数集。

6.根据权利要求5所述的方法，其特征在于，所述基于所述映射模型，对所述目标音频数据的频谱图像进行特征提取，得到所述频谱图像的图像特征，包括：

基于所述映射模型，对所述目标音频数据的频谱图像进行特征提取，得到多个时间点对应的图像特征，所述多个时间点属于所述目标音频数据对应的时间段内；

所述基于所述映射模型，对所述图像特征进行特征变换，得到所述目标表情参数集，包括：

基于所述映射模型，分别对每个时间点对应的图像特征进行特征变换，得到所述每个时间点对应的目标表情参数。

7.根据权利要求6所述的方法，其特征在于，所述基于所述映射模型，对所述目标音频数据的频谱图像进行特征提取，得到多个时间点对应的图像特征之后，所述方法还包括：

基于所述映射模型，将所述每个时间点对应的图像特征与对应的权重的乘积，确定为所述每个时间点对应的更新后的图像特征，所述多个时间点对应的权重用于调整所述多个时间点对应的图像特征的平滑程度。

8.根据权利要求4所述的方法，其特征在于，所述方法还包括：

获取样本音频数据的样本频谱图像及样本表情参数集，所述样本表情参数集中的样本表情参数用于模拟演唱者发出所述样本音频数据时的脸部表情；

基于所述样本频谱图像及所述样本表情参数集，对所述映射模型进行训练。