[发明专利]一种音频信息处理方法及终端

权利要求书

1.一种音频信息处理方法，其特征在于，所述方法包括：

对第一音频文件进行解码获得表征第一声道输出的第一音频子文件以及表征第二声道输出的第二音频子文件；

从所述第一音频子文件中提取出第一音频数据，以及从所述第二音频子文件中提取出第二音频数据；所述第一音频数据和所述第二音频数据表征的属性相同；

获取所述第一音频数据的第一音频能量值，以及获取所述第二音频数据的第二音频能量值；

当检测到所述第一音频能量值及所述第二音频能量值的差值不大于预设能量差阈值时，采用混合高斯模型GMM确定所述第一声道或第二声道为初步满足特定属性需求的声道；

当所述初步满足特定属性需求的声道对应的音频能量值小于另一声道对应的音频能量值时，确定所述初步满足特定属性需求的声道为满足特定属性需求的声道。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

分别对预设的多个音频文件进行频谱特征提取；

对提取的频谱特征采用误差反向传播BP算法训练得到深度神经网络DNN模型；

所述从所述第一音频子文件中提取出第一音频数据，以及从所述第二音频子文件中提取出第二音频数据，包括：

采用所述DNN模型分别从所述第一音频子文件中提取出第一音频数据，以及从所述第二音频子文件中提取出第二音频数据。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对预设的多个音频文件进行感知线性预测PLP特征参数提取；

基于提取的PLP特征参数采用最大期望EM算法训练得到所述GMM。

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：

当所述初步满足特定属性需求的声道对应音频能量值不小于所述另一声道对应的音频能量值时，输出提示信息。

5.根据权利要求1所述的方法，其特征在于，

当所述第一音频数据表征所述第一声道输出的人声音频，且所述第二音频数据表征所述第二声道输出的人声音频时，

确定所述满足特定属性需求的声道为输出伴奏音频的声道。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当确定满足特定属性需求的声道之后，标记所述满足特定属性需求的声道；

当确定需要进行声道切换时，基于对所述满足特定属性需求的声道的标记进行声道的切换，或者，将所述满足特定属性需求的声道统一调整为所述第一声道或所述第二声道。

7.一种终端，其特征在于，所述终端包括：解码模块、提取模块、获取模块及处理模块；其中，

所述解码模块，用于对第一音频文件进行解码获得表征第一声道输出的第一音频子文件以及表征第二声道输出的第二音频子文件；

所述提取模块，用于从所述第一音频子文件中提取出第一音频数据，以及从所述第二音频子文件中提取出第二音频数据；所述第一音频数据和所述第二音频数据表征的属性相同；

所述获取模块，用于获取所述第一音频数据的第一音频能量值，以及获取所述第二音频数据的第二音频能量值；

所述处理模块，用于当检测到所述第一音频能量值及所述第二音频能量值的差值不大于预设能量差阈值时，采用混合高斯模型GMM确定所述第一声道或第二声道为初步满足特定属性需求的声道；

当所述初步满足特定属性需求的声道对应的音频能量值小于另一声道对应的音频能量值时，确定所述初步满足特定属性需求的声道为满足特定属性需求的声道。

8.根据权利要求7所述的终端，其特征在于，

所述终端还包括第一模型训练模块，用于分别对预设的多个音频文件进行频谱特征提取；

对提取的频谱特征采用误差反向传播BP算法训练得到深度神经网络DNN模型；

所述提取模块，还用于采用所述DNN模型分别从所述第一音频子文件中提取出第一音频数据，以及从所述第二音频子文件中提取出第二音频数据。