[发明专利]音频信号处理方法、装置和存储介质

说明书

本发明公开了一种音频信号处理方法、装置和存储介质，属于视频处理技术领域。方法包括：当终端检测到识别指令时，先确定指定用户的音频信号的第一频谱序列，该识别指令用于指示检测该指定用户是否在演唱指定曲目；终端根据该第一频谱序列，确定该音频信号的突变时间集合，该突变时间集合包括多个时间点，一个时间点对应一个突变频谱值；对比所述音频信号的突变时间集合和所述指定曲目对应的基准突变时间集合之间的相似度，得到对比结果，输出所述对比结果对应的提示信息，所述提示信息用于指示所述指定用户是否在演唱。通过突变时间集合和指定曲目的基准突变时间集合进行识别，提高该识别指定用户是否在演唱的方法的实用性。

技术领域

本发明涉及视频处理技术领域，特别涉及一种音频文件处理方法、装置和存储介质。

背景技术

网络直播是通过直播应用提供的一种网络服务，是目前广受欢迎的一种娱乐形式。直播应用设置不同的直播间，例如，唱歌直播间、讲故事直播间或者教学直播间等。主播用户可以在不同的直播间进行不同类型的视频直播。然而有些主播用户在直播间中不进行该直播间对应的视频直播。例如，主播用户在唱歌直播间中并不进行唱歌直播，而是在做其他事情。因此，当主播用户在唱歌直播间时，需要检测该主播用户是否在唱歌。

相关技术中，当主播用户在唱歌直播间中演唱指定歌曲时，识别该主播用户是否在唱歌的过程可以为：终端采集主播用户的音频信号，提取该音频信号的音高序列，获取该指定歌曲对应标准音高序列，该标准音高序列为工作人员事先通过人工标注的方式得到的。终端计算该音频信号的音高序列与该标准音高序列之间的相似度，如果该相似度不小于一定数值，则终端确定该主播用户在唱歌，否则，终端确定该主播用户没有在唱歌。

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：

上述方法需要事先通过人工标注的方式进行人工识别出标准音高序列，然而，由于目前市场上原创歌曲数量繁多，人工识别的效率极低，目前，大部分的原创歌曲没有对应的标准应高序列，当主播用户唱歌直播的原创歌曲没有对应的标准音高序列时，将无法进行识别，从而导致上述方法的实用性差。

发明内容

本发明提供了一种音频信号处理方法、装置和存储介质，可以解决现有技术实用性差的问题。技术方案如下：

第一方面，提供一种音频信号处理方法，所述方法包括：

当检测到识别指令时，确定指定用户的音频信号的第一频谱序列，所述识别指令用于指示检测所述指定用户是否在演唱指定曲目；

根据所述第一频谱序列，确定所述音频信号的突变时间集合，所述突变时间集合包括多个时间点，一个时间点对应一个突变频谱值；

对比所述音频信号的突变时间集合和所述指定曲目对应的基准突变时间集合之间的相似度，得到对比结果，输出所述对比结果对应的提示信息，所述提示信息用于指示所述指定用户是否在演唱。

在一种可能的设计中，所述根据所述第一频谱序列，确定所述音频信号的突变时间集合，包括：

根据所述第一频谱序列中的每个频谱值，确定相邻两个频谱值之间的差异度；

当相邻两个频谱值之间的差异度大于预设差异度时，将大于预设差异度的相邻两个频谱值对应的时间点中的一个时间点组成突变时间集合。

在一种可能的设计中，所述对比所述音频信号的突变时间集合和所述指定曲目对应的基准突变时间集合之间的相似度，得到比对结果，输出所述比对结果对应的提示信息，包括：

确定所述音频信号的突变时间集合和所述基准突变时间集合之间的相似度；

当所述比对结果为所述相似度大于预设相似度时，确定所述比对结果对应的提示信息指示所述指定用户在演唱，输出指示所述指定用户在演唱的提示信息；