[发明专利]音频处理方法、装置、电子设备及存储介质

权利要求书

1.一种音频处理方法，其特征在于，所述方法包括：

采集录制的音频信号，所述音频信号包括：人声信号、伴奏信号；

确定所述人声信号和伴奏信号的特征信息，所述人声信号的特征信息中包括频率信息，所述伴奏信号的特征信息包括响度信息；

基于所述人声信号的频率信息，对所述人声信号进行均衡处理，得到经过均衡处理的人声信号；

基于经过均衡处理的人声信号的响度信息和伴奏信号的响度信息，对经过均衡处理的人声信号和伴奏信号进行响度均衡处理，以生成目标音频。

2.根据权利要求1所述的方法，其特征在于，伴奏信号的特征信息还包括伴奏的风格信息；以及

基于所述人声信号的频率信息，对所述人声信号进行均衡处理，得到经过均衡处理的人声信号包括：

基于所述人声信号的频率信息和所述伴奏的风格信息，对所述人声信号进行均衡处理，得到经过均衡处理的人声信号。

3.据权利要求2所述的方法，其特征在于，所述人声信号的频率信息包括：人声信号中的帧在预设频带上的音量；以及

基于所述人声信号的频率信息和所述伴奏的风格信息，对所述人声信号进行均衡处理，得到经过均衡处理的人声信号包括：

基于人声信号中的帧在预设频带上的音量和目标音量，对所述人声信号进行均衡处理，得到经过均衡处理的人声信号，其中，目标音量为所述预设频带关联的多个预设音量中的、对应于所述音频信号所属的用户的性别和所述伴奏的风格信息的预设音量。

4.根据权利要求3所述的方法，其特征在于，基于人声信号中的帧在预设频带上的音量和目标音量，对所述人声信号进行均衡处理，得到经过均衡处理的人声信号包括：

在人声信号中的帧在所述预设频带上的音量的平均值小于所述目标音量的情况下，确定所述预设频带对应的音量增加值，以及对于每一帧，将所述帧在所述预设频带上的音量调整为所述帧在所述预设频带上的当前音量与所述音量增加值之和；

在人声信号中的帧在所述预设频带上的音量的平均值大于所述目标音量的情况下，确定所述预设频带对应的音量减少值，以及对于每一帧，将所述帧在所述预设频带上的音量调整为所述帧在所述预设频带上的当前音量减去所述音量减少值。

5.根据权利要求1所述的方法，其特征在于，基于经过均衡处理的人声信号的响度信息和伴奏信号的响度信息，对经过均衡处理的人声信号和伴奏信号进行响度均衡处理，以生成目标音频包括：

确定经过均衡处理的人声信号的动态压缩参数信息，其中，动态压缩参数信息包括：压缩比、压缩阈值、起始时长、释放时长；

基于所述动态压缩参数信息，对于经过均衡处理的人声信号进行动态压缩，得到压缩后的经过均衡处理的人声信号；

基于经过均衡处理的人声信号的响度信息和伴奏信号的响度信息，对压缩后的经过均衡处理的人声信号和伴奏信号进行响度均衡处理，以生成目标音频。

6.根据权利要求5所述的方法，其特征在于，确定经过均衡处理的人声信号的动态压缩参数信息包括：

对人声信号中的帧的频谱流量的平均值和人声信号中的帧的局部能量的平均值进行加权计算，得到经过均衡处理的人声信号对应的动态范围值；

基于所述动态范围值，确定所述压缩比；

计算所述经过均衡处理的人声信号的整体响度；

将所述经过均衡处理的人声信号的整体响度与预设比例系数相乘，得到所述压缩阈值；

当所述伴奏信号的分钟节拍数大于第一节拍数阈值时，将预设时长范围内的最小时长作为所述起始时长，以及将所述最小时长作为所述释放时长；

当所述伴奏信号的分钟节拍数小于第二节拍数阈值时，将预设时长范围内的最大时长作为所述起始时长，以及将所述最大时长作为所述释放时长，其中，第一节拍数阈值大于第二节拍数阈值；

当所述伴奏信号的分钟节拍数小于第一节拍数阈值并且大于第二节拍数阈值时，在预设时长范围内进行线性插值，将进行线性插值得到的结果作为所述起始时长，以及将进行线性插值得到的结果作为所述释放时长。