[发明专利]音频起始点检测方法和装置

说明书

本公开公开了一种音频起始点检测方法、装置、电子设备和计算机可读存储介质。其中该音频起始点检测方法包括：针对音频的音频信号的各频段，根据当前频段的第一语音频谱参数和按照时序位于当前频段之前的各频段的第一语音频谱参数确定当前频段的第二语音频谱参数；根据各频段对应的第二语音频谱参数确定音频中的音符和音节的一个或多个起始点位置。本公开实施例由于在确定第二语音频谱参数时参照了多个频段的第一语音频谱参数，使得确定的第二语音频谱参数更为准确，从而可以准确的检测出音频中音符和音节的起始点，减少误检和漏检情况的发生，并且参照的是按照时序位于所述当前频段之前的各频段的第一语音频谱参数，保证了起始点检测的实时性。

技术领域

本公开涉及图像处理技术领域，尤其涉及一种音频起始点检测方法、装置、电子设备及计算机可读存储介质。

背景技术

音频起始点检测是一种应用于音频信号的信息抽取算法，目标是准确检测音符和音节的起始点位置。其中音符(note)特指音乐信号；音节(phone)特指语音人声信号。音频起始点检测在信号处理领域有很多重要的用途和应用前景，举例如下：对于人声和音乐音频的自动切分和自动标注、信息抽取、分段压缩、及互动娱乐的玩法。图1a和图1b表示了起始点检测，其中图1a为音频信号，图1b是检测出的起始点位置。

在现有技术中，通常通过计算音频信号对应语音频谱参数曲线，根据语音频谱参数曲线确定曲线的局部最大点，将改点对应的语音频谱参数与设置的门限值进行比较，如果大于门限值，则确定该点对应的位置为起始点位置。

但是，上述算法主要适用于边界清晰、节奏相对单一的音频信号(例如音符边界清晰、节奏相对单一的快节奏音乐)，而对于一些较为复杂节奏感不强的音频(例如多乐器混合的音乐、节奏比较慢的音乐以及人声)，上述检测算法就不能准确的检测出边界，就会出现频繁的误检和漏检。

发明内容

第一方面，本公开实施例提供一种音频起始点检测方法，包括：

根据与音频的音频信号对应的频域信号确定各频段对应的第一语音频谱参数；

针对各频段，根据当前频段的第一语音频谱参数和按照时序位于所述当前频段之前的各频段的第一语音频谱参数确定所述当前频段的第二语音频谱参数；

根据所述各频段对应的第二语音频谱参数确定所述音频中的音符和音节的一个或多个起始点位置。

进一步的，所述针对各频段，根据当前频段的第一语音频谱参数和按照时序位于所述当前频段之前的各频段的第一语音频谱参数确定所述当前频段的第二语音频谱参数，包括：

针对各频段，根据当前频段的第一语音频谱参数和按照时序位于所述当前频段之前的各频段的第一语音频谱参数确定第一语音频谱参数的均值，将所述均值作为所述当前频段的第二语音频谱参数。

进一步的，所述针对各频段，根据当前频段的第一语音频谱参数和按照时序位于所述当前频段之前的各频段的第一语音频谱参数确定所述当前频段的第二语音频谱参数，包括：

针对各频段，根据当前频段的第一语音频谱参数和按照时序位于所述当前频段之前的各频段的第一语音频谱参数确定第一语音频谱参数的均值；

根据所述当前频段的第一语音频谱参数和所述均值确定所述当前频段的第二语音频谱参数。

进一步的，所述根据所述当前频段的第一语音频谱参数和所述均值确定所述当前频段的第二语音频谱参数，包括：

计算所述当前频段的第一语音频谱参数与所述均值的差值；

根据所述差值确定所述当前频段的第二语音频谱参数。

进一步的，所述根据所述差值确定所述当前频段的第二语音频谱参数，包括：