[发明专利]音频数据的处理方法、装置、设备以及计算机可读介质

说明书

本申请提供一种音频数据的处理方法、装置、设备以及计算机可读介质，该方法通过获取原始音频数据的有效音音频数据和无效音音频数据；其中，有效音音频数据为原始音频数据中能够被识别的音频数据；无效音音频数据为原始音频数据中不能够被识别的音频数据；通过傅里叶变换将有效音音频数据由时间域转换为频率域，得到原始音频数据的有效音特征数据；并通过傅里叶变换将无效音音频数据由时间域转换为频率域，得到原始音频数据的无效音特征数据；使用原始音频数据的无效音特征数据对原始音频数据的有效音特征数据进行抵消处理，得到处理后的有效音特征数据，处理后的有效音特征数据不具有无效音的特征信息，提高了有效音的质量。

技术领域

本申请涉及音频技术领域，尤其涉及一种音频数据的处理方法、装置、设备以及计算机可读介质。

背景技术

在音频识别技术领域中，经常需要通过各种降噪手段来增强音频数据的质量和可懂度(即音频清晰度)。现有的基于机器学习和深度学习的降噪方式为：针对音频数据中的每一个音频片段，将音频片段输入到智能模型中，由智能模型识别出该音频片段是否为有效音片段。若识别出该音频片段不是有效音片段，则说明该音频片段属于无效音(即噪声)片段，因此可将该音频片段从原始音频数据中去除处理，从而达到降噪的目的。其中，有效音可以理解为是能够被音频识别技术识别的音频，例如语音、动物叫声等。

然而，现有的降噪方式只能够去除与有效音片段在时间域上不重合的无效音片段。而实际的应用场景中，信道和环境的噪音往往是伴随着有效音一同采集的，即有效音片段中会夹杂了一些类似加性噪声、乘性噪声等与有效音片段叠加的噪声。这类与有效音片段叠加的噪声，无法通过现有的降噪方式去除，进而导致音频数据的质量和可懂度仍然不够高，不利于音频识别技术进行准确的识别。

发明内容

有鉴于此，本申请实施例提供一种音频数据的处理方法、装置、设备以及计算机可读介质，通过消除有效音音频数据中的无效音，提高有效音音频数据的质量和可懂度。

为实现上述目的，本申请实施例提供如下技术方案：

第一方面，本申请公开了一种音频数据的处理方法，包括：

获取原始音频数据的有效音音频数据和无效音音频数据；其中，所述有效音音频数据为所述原始音频数据中能够被识别的音频数据；所述无效音音频数据为所述原始音频数据中不能够被识别的音频数据；

通过傅里叶变换将所述有效音音频数据由时间域转换为频率域，得到所述原始音频数据的有效音特征数据；并通过傅里叶变换将所述无效音音频数据由时间域转换为频率域，得到所述原始音频数据的无效音特征数据；

使用所述原始音频数据的无效音特征数据对所述原始音频数据的有效音特征数据进行抵消处理，得到处理后的有效音特征数据。

可选地，在上述音频数据的处理方法中，所述通过傅里叶变换将所述有效音音频数据由时间域转换为频率域，得到所述原始音频数据的有效音特征数据之前，还包括：

使用所述无效音音频数据的幅值平均值，确定所述无效音音频数据的有效幅值区域；或者，根据所述无效音音频数据的概率分布，确定所述无效音音频数据的有效幅值区域；

将所述无效音音频数据中不处于所述有效幅值区域内的采样点去除，得到处理后的无效音音频数据；

其中，所述通过傅里叶变换将所述无效音音频数据由时间域转换为频率域，得到所述原始音频数据的无效音特征数据，包括：

通过傅里叶变换将所述处理后的无效音音频数据由时间域转换为频率域，得到所述原始音频数据的无效音特征数据。

可选地，在上述音频数据的处理方法中，所述使用所述无效音音频数据的幅值平均值，确定所述无效音音频数据的有效幅值区域，包括：

对所述无效音音频数据的多个采样点的幅值求取平均值，计算得到所述无效音音频数据的幅值平均值；