[发明专利]音频处理方法、装置、存储介质以及终端

说明书

本发明公开了一种音频处理方法、装置、存储介质以及终端，属于多媒体处理技术领域。方法包括：获取目标音频资源的原唱音频以及伴奏音频；根据伴奏音频，在原唱音频中获取人声音频；计算人声音频与伴奏音频之间的第一声伴响度比例；根据第一声伴响度比例，计算伴奏音频与用户演绎的用户音频之间的第二声伴响度比例；根据第二声伴响度比例，对伴奏音频和用户音频进行混声合成处理。本发明基于原唱作品中理想的声伴响度比例，来自动推算本次K歌过程中人声与伴奏之间最佳的声伴响度比例，进而在后续过程中采用这一推算出来的声伴响度比例来指导混声合成，不但整个过程无需人工手动调节，而且最终得到的合成作品也更加符合用户预期。

技术领域

本发明涉及多媒体处理技术领域，特别涉及一种音频处理方法、装置、存储介质以及终端。

背景技术

长久以来，K歌作为一项日常休闲娱乐活动一直广受用户追捧。特别是随着智能手机、平板电脑等智能终端的普及，使得用户足不出户进行K歌成为了一种可能。比如，用户在智能手机上安装了K歌软件后，无需走进KTV便可实现歌曲演唱。其中，在K歌场景下，为了得到包括人声和伴奏两部分的K歌作品，往往还需要智能终端对K歌用户演绎的用户音频以及在K歌过程中播放的伴奏音频进行混声合成处理。

相关技术在进行用户音频以及伴奏音频的混声合成处理时，通常采取下述两种方式实现。第一种方式，对于所有的歌曲来说，均默认采取1:1的声(人声)伴(伴奏)响度比例来进行混声合成处理。第二种方式，对于不同的歌曲，由用户手动调节适合的声伴响度比例；之后，再根据调节出来的声伴响度比例来进行混声合成处理。

在实现本发明的过程中，发明人发现相关技术至少存在以下问题：

针对第一种方式，对于不同类型或风格的歌曲、甚至是同一首歌曲的不同演绎版本来说，其理想的声伴响度比例均是不同的，因此若统一采取1:1的声伴响度比例进行混声合成处理，则合成后的音频在很大程度上不会符合用户预期，所以该种处理方式效果较差。针对第二种方式，由于需要人工进行调节，因此较为耗时和复杂；此外，对于非专业的用户来说，其调节出来的声伴响度比例也并非准确，因此该种处理方式同样存在效果较差的缺陷。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种音频处理方法、装置、存储介质以及终端。所述技术方案如下：

第一方面，提供了一种音频处理方法，所述方法包括：

获取目标音频资源的原唱音频以及伴奏音频；

根据所述伴奏音频，在所述原唱音频中获取人声音频；

计算所述人声音频与所述伴奏音频之间的第一声伴响度比例；

根据所述第一声伴响度比例，计算所述伴奏音频与用户演绎的用户音频之间的第二声伴响度比例；

根据所述第二声伴响度比例，对所述伴奏音频和所述用户音频进行混声合成处理。

在另一个实施例中，所述根据所述伴奏音频，在所述原唱音频中获取人声音频，包括：

对所述原唱音频进行预处理，并对经过预处理后得到的原唱信号进行加窗处理；

对所述伴奏音频进行预处理，并对经过预处理后得到的伴奏信号进行加窗处理，所述伴奏信号与所述原唱信号的采样率一致；

按照窗移动步长，对经过加窗处理后的原唱信号进行离散傅里叶变换，得到第一频谱变换结果；

按照所述窗移动步长，对经过加窗处理后的伴奏信号进行离散傅里叶变换，得到第二频谱变换结果；

根据所述第一频谱变换结果和所述第二频谱变换结果，计算目标谱减比例；

根据所述第一频谱变换结果和所述目标谱减比例，生成所述人声音频。