音频质量确定方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110277106A(43)申请公布日2019.09.24(21)申请号201910542177.7(22)申请日2019.06.21(71)申请人北京达佳互联信息技术有限公司地址100085北京市海淀区上地西路6号1幢1层101D1-7(72)发明人邓峰姜涛李岩(74)专利代理机构北京三高永信知识产权代理有限责任公司11138代理人祝亚男(51)Int.Cl.G10L25/60(2013.01)G10L25/30(2013.01)G10L25/18(2013.01)权利要求书2页说明书21页附图7页(54)发明名称音频质量确定方法、装置、设备及存储介质(57)摘要本公开关于一种音频质量确定方法、装置、设备及存储介质，属于多媒体技术领域。本公开提供了一种融合信号处理的方法以及深度学习的方法，来确定音频质量的方案。通过根据人声音频与原唱人声音频之间的差异程度，获取音频的第一分数，从而以信号处理的方式，来确定音频质量。通过提取该人声音频的梅尔谱，将该人声音频的梅尔谱输入神经网络，输出该音频的第二分数，从而以深度学习的方式，来确定音频质量。由于梅尔谱包含音色特征，使得神经网络能根据音色特征来确定第二分数，因此第二分数能反映音频是否好听，通过融合第一分数以及第二分数，得出音频的目标分数，目标分数可综合两种方法的优势，因此能更准确地反映出音频的质量。CN110277106ACN110277106A权利要求书1/2页1.一种音频质量确定方法，其特征在于，包括：从目标音频中，分离出人声音频；根据所述人声音频与原唱人声音频之间的差异程度，获取所述目标音频的第一分数；提取所述人声音频的梅尔谱；将所述梅尔谱输入神经网络，输出所述目标音频的第二分数；对所述目标音频的第一分数与所述目标音频的第二分数进行融合，得到目标分数。2.根据权利要求1所述的音频质量确定方法，其特征在于，所述目标音频为用户演唱的歌曲；所述从目标音频中，分离出人声音频，包括：从所述歌曲中，分离出所述用户的人声音频；所述根据所述人声音频与原唱人声音频之间的差异程度，获取所述目标音频的第一分数，包括：根据所述用户的人声音频与所述歌曲的原唱人声音频之间的差异程度，获取所述歌曲的第一分数；所述提取所述人声音频的梅尔谱，包括：提取所述用户的人声音频的梅尔谱；所述将所述梅尔谱输入神经网络，输出所述目标音频的第二分数，包括：将所述梅尔谱输入所述神经网络，输出所述歌曲的第二分数；所述对所述目标音频的第一分数与所述目标音频的第二分数进行融合，得到目标分数，包括：对所述歌曲的第一分数与所述歌曲的第二分数进行融合，得到所述用户演唱所述歌曲的目标分数。3.根据权利要求1所述的音频质量确定方法，其特征在于，所述对所述目标音频的第一分数与所述目标音频的第二分数进行融合，得到目标分数，包括下述任意一项：根据第一权重以及第二权重，对所述第一分数以及所述第二分数进行加权平均，所述第一权重为所述第一分数的权重，所述第二权重为所述第二分数的权重；根据所述第一权重以及所述第二权重，对所述第一分数以及所述第二分数进行加权求和。4.根据权利要求3所述的音频质量确定方法，其特征在于，所述对所述目标音频的第一分数与所述目标音频的第二分数进行融合，得到目标分数之前，所述方法还包括：从样本音频中，分离出样本人声音频；根据所述样本人声音频与样本原唱人声音频之间的差异程度，获取所述样本音频的第一分数；提取所述样本人声音频的梅尔谱；将所述样本人声音频的梅尔谱输入神经网络，输出所述样本音频的第二分数；根据所述样本音频的第一分数、所述样本音频的第二分数以及所述样本音频的标注分数，获取所述第一权重以及所述第二权重，所述标注分数表示所述样本音频的音色好坏。5.根据权利要求4所述的音频质量确定方法，其特征在于，所述根据所述样本音频的第一分数、所述样本音频的第二分数以及所述样本音频的标注分数，获取所述第一权重以及所述第二权重，包括：对所述样本音频的第一分数与所述样本音频的标注分数进行比较，得到第一比较结果；2CN110277106A权利要求书2/2页对所述样本音频的第二分数与所述样本音频的标注分数进行比较，得到第二比较结果；根据所述第一比较结果以及所述第二比较结果，获取所述第一权重以及所述第二权重。6.根据权利要求5所述的音频质量确定方法，其特征在于，所述根据所述第一比较结果以及所述第二比较结果，获取所述第一权重以及所述第二权重，包括：如果所述样本音频的第一分数与所述标注分数处于同一区间，且所述样本音频的第二分数与所述标注分数未处于同一区间，增加所述第一权重，减小所述第二权重；如果所述样本音频的第一分数与所述标注分数未处于同一区间，且所述样本音频的第二分数与所述标注分数处于