[发明专利]音频处理方法、装置及设备

权利要求书

1.一种音频处理方法，其特征在于，包括：

获取目标音频数据的目标音高曲线，并确定所述目标音频数据中的目标无声区域，所述目标音频数据包括目标对象所演唱的一个或多个音素，一个音素包括一个或多个时间点位；

对所述目标音频数据中的各个音素的起始时间点位进行检测，得到目标起始时间序列；

基于所述目标起始时间序列、所述目标音高曲线和所述目标无声区域，确定所述目标音频数据对应的一个或多个演唱片段；一个演唱片段包括至少一个时间点位和相应音高值，一个演唱片段的开始时间点位对应一个音素的起始时间点位；

对所述一个或多个演唱片段中的每个演唱片段进行音符转写处理，得到一个或多个音符；以及，采用所述一个或多个音符生成所述目标音频数据对应的演唱音准指示文件。

2.根据权利要求1所述的方法，其特征在于，所述目标无声区域的数量为M个，M为正整数；所述基于所述目标起始时间序列、所述目标音高曲线和所述目标无声区域，确定所述目标音频数据对应的一个或多个演唱片段，包括：

确定所述M个目标无声区域中的各个目标无声区域的区域起始点，以及所述目标起始时间序列中的每个起始时间点位和确定的各个区域起始点之间的时间距离；

根据确定出的各个时间距离，在所述M个目标无声区域中确定所述每个起始时间点位对应的相邻无声区域；任一起始时间点位对应的相邻无声区域是指：所述M个目标无声区域中区域起始点位于所述任一起始时间点位之后，且相应的时间距离最小的目标无声区域；

基于各个起始时间点位以及对应的相邻无声区域的区域起始点，对所述目标音高曲线进行分割处理，得到Q个曲线段；并将所述Q个曲线段中的一个曲线段，确定为所述目标音频数据对应的一个演唱片段，以得到Q个演唱片段；

其中，第i个曲线段的起始点为所述目标起始时间序列中的第i个起始时间点位，结束点为所述第i个起始时间点位对应的区域起始点；i∈[1，Q]，Q的取值等于所述目标起始时间序列中的起始时间点位的数量。

3.根据权利要求1所述的方法，其特征在于，所述目标无声区域的数量为M个，M为正整数；所述基于所述目标起始时间序列、所述目标音高曲线和所述目标无声区域，确定所述目标音频数据对应的一个或多个演唱片段，包括：

将所述目标音高曲线中处于M个目标无声区域的各个时间点位的音高值调整为零值，得到调整后的目标音高曲线；

基于所述目标起始时间序列中的各个起始时间点位，对所述调整后的目标音高曲线进行分割处理，得到Q个曲线段；并将所述Q个曲线段中的一个曲线段，确定为所述目标音频数据对应的一个演唱片段，以得到Q个演唱片段；

其中，第i个曲线段的起始点为所述目标起始时间序列中的第i个起始时间点位，结束点为被调整的时间点位中位于所述第i个起始时间点位之后，且离所述第i个起始时间点位最近的时间点位；i∈[1，Q]，Q的取值等于所述目标起始时间序列中的起始时间点位的数量。

4.根据权利要求3所述的方法，其特征在于，一个目标无声区域采用一个零值序列进行表示，零值序列是指由多个零值构成的序列，且每个零值均对应一个时间点位；

所述将所述目标音高曲线中处于所述M个目标无声区域的各个时间点位的音高值调整为零值，得到调整后的目标音高曲线，包括：

对所述M个目标无声区域和所述目标音高曲线进行乘法运算，并通过所述乘法运算将所述目标音高曲线中处于所述M个目标无声区域的各个时间点位的音高值调整为零值，得到调整后的目标音高曲线。

5.根据权利要求1-4任一项所述方法，其特征在于，所述对所述目标音频数据中的各个音素的起始时间点位进行检测，得到目标起始时间序列，包括：

对所述目标音频数据中的各个音素的起始时间点位进行检测，得到初始起始时间序列，所述初始起始时间序列中包括所述各个音素的起始时间点位；

根据所述初始起始时间序列中的相邻起始时间点位之间的时间间隔，从所述初始起始时间序列中确定出一个或多个无效起始时间点位；无效起始时间点位是指：与前一个起始时间点位之间的时间间隔小于间隔阈值的起始时间点位；

从所述初始起始时间序列中删除掉各个无效起始时间点位，得到目标起始时间序列。