[发明专利]音频处理方法、装置、电子设备和计算机可读存储介质

权利要求书

1.一种音频处理方法，其特征在于，包括：

对待编码音频数据进行预处理，得到目标音频数据；

对所述目标音频数据进行端点检测，获得所述目标音频数据中每种类型的音频数据的起始点和终止点；

提取每种类型的音频数据的采样点信息，以及每种类型的音频数据的起始点和终止点的时间戳信息；

对所述目标音频数据中设定类型的音频数据的采样点信息进行加速处理；

基于所述设定类型的音频数据加速处理后的采样点信息，其他类型的音频数据的采样点信息，以及每种类型的音频数据的起始点和终止点的时间戳信息，提取得到内容表征信息。

2.根据权利要求1所述的音频处理方法，其特征在于，所述提取得到内容表征信息的步骤，包括：

调用神经网络模型，所述神经网络模型包括采样层、全连接层和循环神经网络；

将所述设定类型的音频数据加速处理后的采样点信息、其他类型的音频数据的采样点信息，以及每种类型的音频数据的起始点和终止点的时间戳信息输入所述采样层，对所述加速处理后的采样点信息进行信息抽取，获得响度信息、音高信息和内容信息，并对所述响度信息、音高信息和内容信息进行降采样，得到降采样后的响度信息、音高信息和内容信息；

将降采样后的响度信息、音高信息和内容信息输入所述全连接层进行融合；

将融合后的信息输入所述循环神经网络进行处理，得到内容表征信息。

3.根据权利要求1所述的音频处理方法，其特征在于，所述音频数据的类型包括人声、噪声和静音，所述设定类型的音频数据为人声数据；

所述人声数据的采样点信息为对所述人声数据的幅值的连续表达；静音数据的采样点信息为用于表征所述静音数据的设定数量个幅值；噪声数据的采样点信息为用于表征所述噪声数据的设定数量个幅值。

4.根据权利要求1所述的音频处理方法，其特征在于，所述对待编码音频数据进行预处理，得到目标音频数据的步骤，包括：

将待编码音频数据进行重采样；

将重采样后的待编码音频数据进行降噪和去混响，得到目标音频数据。

5.一种音频处理方法，其特征在于，包括：

将内容表征信息输入神经网络模型，所述内容表征信息表征有音频数据的采样点信息、起始点和终止点的时间戳信息；

根据所述内容表征信息复原得到设定类型的音频数据加速处理后的采样点信息；

对复原得到的采样点信息进行平滑、反归一化和重采样，得到待还原音频数据；

根据所述设定类型的音频数据的起始点和终止点的时间戳信息，在时间轴上对所述待还原音频数据进行处理，还原得到原始音频数据。

6.根据权利要求5所述的音频处理方法，其特征在于，所述设定类型的音频数据包括人声数据，所述神经网络模型包括采样层、全连接层和循环神经网络，所述根据所述内容表征信息复原得到设定类型的音频数据加速处理后的采样点信息的步骤，包括：

将所述内容表征信息输入所述循环神经网络，得到融合后的信息；

将所述融合后的信息输入所述全连接层，得到降采样后的响度信息、音高信息和内容信息；

将所述降采样后的响度信息、音高信息和内容信息输入所述采样层进行升采样，得到降采样前的响度信息、音高信息和内容信息，将所述降采样前的响度信息、音高信息和内容信息进行融合，得到所述人声数据加速处理后的采样点信息。

7.根据权利要求5所述的音频处理方法，其特征在于，在所述音频数据包括噪声数据和静音数据的情况下，所述方法还包括还原得到噪声数据和静音数据的步骤，该步骤包括：

查找出噪声数据和静音数据的起始点和终止点的时间戳信息；

基于所述噪声数据的起始点和终止点的时间戳信息及预设噪声数据得到待还原噪声数据，基于所述静音数据的起始点和终止点的时间戳信息及预设静音数据得到待还原静音数据；

将所述待还原噪声数据重采样到设定采样率，还原得到噪声数据，将所述待还原静音数据重采样到设定采样率，还原得到静音数据。