[发明专利]音频输出方法、设备及存储介质

说明书

本申请实施例提供一种音频输出方法、设备及存储介质，涉及音频处理技术领域。在本申请方案中，结合屏幕发声单元面向用户发声，声音直达用户的优点，以及扬声器在各个频段的频响较为平整的优点，利用AI方法对音源内容进行特定对象分离及提取，根据分离出的对象音频分布特点，为每个对象设定播放形式，比如采用屏幕发声单元进行人声回放，再比如根据屏幕发声单元和扬声器的方位对鸟声进行动态回放，从而提升了声场渲染效果。

技术领域

本申请涉及音频处理技术领域，尤其涉及一种音频输出方法、设备及存储介质。

背景技术

目前，越来越多的智能终端采用屏幕发声技术，替代了在屏幕上开孔设置的听筒，用来提高智能终端的屏占比。如图1所示，在智能终端的屏幕11和中框13之间设置有激励器12，以屏幕11作为振动体，激励器12驱动屏幕11振动，产生声波，当人耳贴近屏幕11时声波传送到人耳，从而听到通话声音等。

受到整机工艺等因素的限制，某些激励器在一些频段的音频播放效果不佳。例如，图2示出了一款压电陶瓷激励器在语音范围的各个频段的频响，可以发现，压电陶瓷激励器在低频时声压等级(source pressure level)较小，即频响在低频时衰减较快，失真大，从而针对低频声音，用户无法获得良好的听感。

对于重放音乐或电影等低频声音较多的场景，仍可以采用传统的扬声器播放声音。但是，传统的扬声器通常设置在智能终端的侧边框上，扬声器的朝向使得形成的声像在屏幕中心发虚，清晰度下降。因此，如何提升声场的渲染效果成为亟待解决的技术问题。

发明内容

本申请提供一种音频输出方法、设备及存储介质，通过分析音源内容，为不同的音源对象，选择屏幕发声单元和/或扬声器进行播放，提升了声场的渲染效果。

为达到上述目的，本申请采用如下技术方案：

第一方面，本申请实施例提供一种音频输出方法。该方法可以应用于电子设备，包括：将原始音频信号输入神经网络模型，进行对象信号识别和提取，神经网络模型为根据不同频率的信号训练得到的；根据识别和提取结果，驱动电子设备的音频单元输出与识别和提取结果对应的声音。其中，音频单元包括屏幕发声单元和/或扬声器，不同的识别和提取结果包含不同频率的信号，不同频率的信号对应不同的音频单元。

应理解，由于屏幕发声单元具备面向用户发声，声音直达用户的优点，扬声器具备在各个频段的频响较为平整的优点，因此本申请利用神经网络模型对音源内容进行特定对象分离及提取，可以根据分离出的对象音频分布特点，为每个对象设定与之对应的播放形式，从而提升了声场渲染效果。

在一种可能的实现方式中，上述原始音频信号为音频应用提供的、尚未进行对象信号识别和提取的音频信号，比如歌曲、电影声、通话声和游戏特效等原始的音频信号。在一些实施例中，原始音频信号为立体声信号，例如，立体声信号可以包括左声道信号和右声道信号，立体声信号还可以包括中置声道信号、左环绕声道信号和/或右环绕声道信号等。

在一种可能的实现方式中，电子设备的扬声器包括第一扬声器和第二扬声器，第一扬声器和第二扬声器设置在电子设备的两个侧边框上。比如，第一扬声器和第二扬声器设置在两个相背的侧边框上。再比如，第一扬声器和第二扬声器设置在两个相邻的侧边框上。

在一种可能的实现方式中，屏幕发声单元包括设置在屏幕背面的至少一个激励器。屏幕发声单元用于基于屏幕发声技术，通过激励器驱动屏幕振动发声。在一些实施例中，屏幕发声单元在目标频段的声压等级值大于或等于预设值的频段，即，屏幕发声单元在目标频段表现较好。

在一种可能的实现方式中，对原始对象信号的识别和提取结果可以分为下述几种情况：

情况1，第一对象信号和第一背景声信号。其中，第一对象信号的能量集中在目标频段内，比如第一对象信号是人声、钢琴声、萨克斯声和竖琴中低频信号。第一背景声信号是原始对象信号中除第一对象信号外的信号。