[发明专利]一种语音数据处理方法以及装置

权利要求书

1.一种音频数据处理方法，其特征在于，包括：

获得原始视频数据对应的原始音频数据；

获得所述原始视频数据中的音频相关运动特征数据，所述音频相关运动特征数据指的是，与所述原始视频数据对应的发声事件相关联的运动状态数据；

根据所述音频相关运动特征数据，从所述原始音频数据中分析获得目标音频数据；

按照预定的音频加工方式，对所述目标音频数据进行加工。

2.根据权利要求1所述的方法，其特征在于，所述根据所述音频相关运动特征数据，从所述原始音频数据中分析获得目标音频数据，包括：

基于所述原始音频数据，获得与所述音频相关运动特征数据相匹配的目标音频特征数据；

将所述原始音频数据中与所述目标音频特征数据相对应的音频数据确定为目标音频数据。

3.根据权利要求2所述的方法，其特征在于，所述基于所述原始音频数据，获得与所述音频相关运动特征数据相匹配的目标音频特征数据，包括：

从所述原始音频数据对应的多个音频特征数据中获得与所述音频相关运动特征数据相匹配的目标音频特征数据。

4.根据权利要求3所述的方法，其特征在于，所述获得所述原始视频数据中的音频相关运动特征数据，包括：获得所述原始视频数据中的唇部运动特征数据；

所述从所述原始音频数据对应的多个音频特征数据中获得与所述音频相关运动特征数据相匹配的目标音频特征数据，包括：从所述原始音频数据对应的多个音频特征数据中获得与所述唇部运动特征数据相匹配的目标音频特征数据。

5.根据权利要求4所述的方法，其特征在于，所述唇部运动特征数据包括：

唇部震动频率数据；

所述从所述原始音频数据对应的多个音频特征数据中获得与所述唇部运动特征数据相匹配的目标音频特征数据，包括：

将所述唇部震动频率数据与所述多个音频特征数据中的语速特征数据进行匹配，获得与所述唇部震动频率数据相匹配的目标语速特征数据。

6.根据权利要求4所述的方法，其特征在于，所述唇部运动特征数据包括：

唇部震动相位数据；

所述从所述原始音频数据对应的多个音频特征数据中获得与所述唇部运动特征数据相匹配的目标音频特征数据，包括：

将所述唇部震动相位数据与所述多个音频特征数据中的语音相位特征数据进行匹配，获得与所述唇部震动相位数据相匹配的目标语音相位特征数据。

7.根据权利要求4所述的方法，其特征在于，所述唇部运动特征数据包括：

唇部震动幅度数据；

所述从所述原始音频数据对应的多个音频特征数据中获得与所述唇部运动特征数据相匹配的目标音频特征数据，包括：

将所述唇部震动幅度数据与所述多个音频特征数据中的语音幅度特征数据进行匹配，获得与所述唇部震动幅度数据相匹配的目标语音幅度特征数据。

8.根据权利要求1所述的方法，其特征在于，所述获得所述原始视频数据中的音频相关运动特征数据，包括：获得所述原始视频数据中的多个发声主体对应的多个音频相关运动特征数据；

对应的，所述根据所述音频相关运动特征数据，从所述原始音频数据中分析获得目标音频数据，包括：

从所述多个发声主体中确定出目标发声主体；

获得所述目标发声主体对应的目标音频相关运动特征数据；

根据所述目标音频相关运动特征数据，从所述原始音频数据中分析获得目标音频数据。

9.根据权利要求1所述的方法，其特征在于，所述获得所述原始视频数据中的音频相关运动特征数据，包括：获得所述原始视频数据中的唯一发声主体对应的音频相关运动特征数据。

10.根据权利要求1所述的方法，其特征在于，所述获得原始视频数据对应的原始音频数据，包括：获得与所述原始视频数据在输入时间上相对应的原始音频数据。