[发明专利]音频信号处理方法、装置、电子设备及存储介质

说明书

本申请实施例提供了一种音频信号处理方法、装置、电子设备及存储介质，涉及信息处理技术领域。该方法包括：获取用户所录制的待处理音频信号；提取待处理音频信号的音频特征；获取待处理音频信号的原声音频信号的标准音频特征，原声音频信号包括原声声音信号和背景音频信号；基于待处理音频信号的音频特征和标准音频特征，对待处理音频信号进行修正处理，得到修正后的音频信号。本申请技术方案利用易于获取的原声音频信号的标准音频特征，对待处理音频信号进行修正处理，从而实现了对用户所录制的音频的美化，不依赖干声模版，扩大了声音美化技术的适用范围，避免了人工标注出现的错误，提升了音频美化的效果。

技术领域

本申请涉及计算机技术领域，具体而言，本申请涉及一种音频信号处理方法、装置、电子设备及存储介质。

背景技术

声音是由物体振动产生的，以波的形式通过介质(空气或固体、液体)传播，并能被人或动物的听觉器官所感知。语音是指人类通过发音器官发出来的、具有一定意义的、用来进行社会交际的声音。不同的人发出的语音的可以通过音高、节奏、音色等因素来进行区分。因此，将人说话或者唱歌的语音进行标准化处理时可以通过调整语音的音高、节奏、音色等特征来实现。

例如，在体验电影或者电视剧等的配音时，可以将后配的语音与配音演员的标准语音进行比对，从音高、节奏、音色等方面进行处理，实现声音的美化。

又如，唱歌是一种深受群众喜爱的娱乐方式。受乐感，歌唱技巧，以及设备等限制，人们在唱歌时经常出现跑调或者没踩对节奏等现象。为了解决这一问题，市场上出现很多通过计算机软件自动美化歌声的软件，如antares的autotune，唱吧的一键修音等。

现有技术中，无论是对语音进行美化还是对歌声进行美化时，通常都是依赖理想模版作为美化的参考，理想模板一般是从标准的干声音频文件模板即干声模板中获取，干声模版(专业人士演唱或者原声配音的纯人声不含背景音频，并且人工标注了音高、节奏等特征的模板)的制作则依赖专业人士标注。目前，只有极少数歌曲会发布干声模版，配音的干声模板更难以获取，因此限制了声音美化技术的适用范围。而且，模版获取的成本高，容易出现标注误差等问题，也限制了此类声音美化技术的最终效果。

发明内容

本申请提供了一种音频信号处理方法、装置及电子设备，可以解决现有技术中存在的问题。本申请实施例提供的具体技术方案如下：

一方面，本申请实施例提供了一种音频信号处理方法，该方法包括：

获取用户所录制的待处理音频信号；

提取待处理音频信号的音频特征，所述待处理音频信号包括背景音频信号和待处理声音信号；

获取与待处理音频信号对应的原声音频信号的标准音频特征，原声音频信号包括原声声音信号和背景音频信号；

基于待处理音频信号的音频特征和标准音频特征，对待处理音频信号进行修正处理，得到修正后的音频信号。

在一种可能的实现方式中，所述待处理音频信号的音频特征包括所述待处理声音信号的语音特征，所述标准音频特征包括所述原声声音信号的标准语音特征和标准节奏特征；

基于待处理音频信号的音频特征和标准音频特征，对待处理音频信号进行修正处理，包括：

根据标准语音特征、标准节奏特征和待处理声音信号的语音特征，确定待处理音频信号的节奏修正参数；

根据节奏修正参数，对待处理音频信号进行节奏修正处理。

在一种可能的实现方式中，标准节奏特征包括原声音频信号所对应的文字的标准字节奏特征和标准句子节奏特征，节奏修正参数包括句子节奏对齐参数和字节奏对齐参数；

根据标准语音特征、标准节奏特征和待处理声音信号的语音特征，确定待处理音频信号的节奏修正参数，包括：