[发明专利]一种音频生成方法及设备

权利要求书

1.一种音频生成方法，其特征在于，包括：

接收用户输入的音频生成指令，所述音频生成指令用于指示用户想要在生成的目标音频中嵌入的二维图像；

响应于所述音频生成指令，获取所述二维图像的目标灰度图像；

将所述目标灰度图像中各个像素点的灰度数据转换为语谱图中各个像素点的频域数据，得到目标语谱图；

利用所述目标语谱图生成所述目标语谱图对应的目标音频。

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：

接收用户输入的音频选择指令，所述音频选择指令用于指示生成目标音频所需的原始音频，并响应于所述音频选择指令，获取所述原始音频对应的原始语谱图；

所述将所述目标灰度图像中各个像素点的灰度数据转换为语谱图中各个像素点的频域数据，得到目标语谱图，包括：

利用所述目标灰度图像中各个像素点的灰度数据对所述原始语谱图中各个像素点的频域数据进行处理，得到目标语谱图。

3.根据权利要求2所述的方法，其特征在于，所述各个像素点的灰度数据为灰度数据矩阵，所述利用所述目标灰度图像中各个像素点的灰度数据对所述原始语谱图中各个像素点的频域数据进行处理，得到目标语谱图，包括：

对所述灰度数据矩阵进行上下翻转处理；

将翻转处理后的灰度数据矩阵作为加权因子，对所述原始语谱图中各个像素点的频域数据进行加权，得到目标语谱图。

4.根据权利要求2所述的方法，其特征在于，所述各个像素点的灰度数据为灰度数据矩阵，所述利用所述目标灰度图像中各个像素点的灰度数据对所述原始语谱图中各个像素点的频域数据进行处理，得到目标语谱图，包括：

对所述灰度数据矩阵进行上下翻转处理，对翻转处理后的灰度数据矩阵进行降采样处理；

将降采样处理后的灰度数据矩阵作为加权因子，对所述原始语谱图中各个像素点的频域数据进行加权，得到目标语谱图。

5.根据权利要求1所述的方法，其特征在于，所述各个像素点的灰度数据为灰度数据矩阵，所述将所述目标灰度图像中各个像素点的灰度数据转换为语谱图中各个像素点的频域数据，得到目标语谱图，包括：

对所述灰度数据矩阵进行上下翻转处理，将翻转处理后的灰度数据矩阵作为语谱图中各个像素点的频域数据，得到目标语谱图。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述利用所述目标语谱图生成所述目标语谱图对应的目标音频，包括：

将所述目标语谱图的每一帧频域数据进行上下翻转处理，对翻转处理后的频域数据的复数取共轭；

对取共轭后的每一帧频域数据进行逆傅里叶变换，得到每一帧频域数据对应的时域信号，并将各帧所述时域信号合成为目标音频。

7.根据权利要求1-5任一项所述的方法，其特征在于，所述获取所述二维图像的目标灰度图像，包括：

获取所述二维图像的原始灰度图像，对所述原始灰度图像做等比缩放处理，得到等比缩放处理后的灰度图像；

对所述等比缩放处理后的灰度图像做归一化处理，得到所述二维图像的目标灰度图像。

8.根据权利要求1-5任一项所述的方法，其特征在于，所述二维图像包括多个用于采集用户动作变化的二维图像；所述获取所述二维图像的目标灰度图像，包括：

分别计算多个所述二维图像中采集时间相邻的二维图像之间的灰度差值，得到多个灰度差值；

将多个所述灰度差值按照所述灰度差值对应的采集时间进行排列，得到所述目标灰度图像。

9.根据权利要求1-5任一项所述的方法，其特征在于，还包括：

接收用户输入的音频播放指令；

响应于所述音频播放指令，播放所述目标音频并按照所述目标音频的播放进度展示与所述播放进度对应面积的目标语谱图。

10.一种音频生成设备，其特征在于，所述设备包括：

处理器、存储器和输入设备，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-9任一项所述的方法。