一种音频处理方法、装置、设备及存储介质与流程

本技术实施例涉及多媒体，尤其涉及一种音频处理方法、装置、设备及存储介质。

背景技术：

1、随着计算机技术和互联网技术的快速发展，各类具备影音功能的应用层出不穷，参与对象可借助这些应用随时随地在互联网上体验影音类娱乐业务，实现与不同地理位置的其他参与对象进行互动娱乐。

2、相关技术下，在线合唱是一种让不同地理位置的参与对象共同演唱一首歌曲的互动娱乐方式。在具体合唱过程中，每个参与对象听着本地终端播放的伴奏声音和其他参与对象的演唱声音进行跟唱；本地终端采集音频信号，并通过互联网将音频信号发送至混音服务器。混音服务器对接收的多个音频信号进行混音处理，获得混音信号，并将混音信号返回给各终端进行播放。

3、然而，在实际合唱过程中，不同参与对象的演唱质量可能是不同的，因此，针对不同参与对象采集的音频信号的质量也是不相同。在这种情况下，将不同参与对象的音频信号直接进行混音处理，可能导致一些音量较大但质量较低的音频信号成为混音信号中的核心声音部分，从而导致混音信号的质量较差，进而影响合唱效果；其次，在实际合唱过程中，各参与对象之间也缺乏互动性，从而影响合唱效果。

技术实现思路

1、本技术实施例提供了一种音频处理方法、装置、设备及存储介质，用于提高合唱音频的质量，进而提高合唱效果和互动性。

2、一方面，本技术实施例提供了一种音频处理方法，该方法包括：

3、响应于第一参与对象，以指挥角色在目标应用中触发的合唱参与操作，展示合唱虚拟房间在所述指挥角色下的第一界面，所述第一界面包括：多个演唱对象组，每个演唱对象组包括：至少一个以演唱角色接入所述合唱虚拟房间的第二参与对象；

4、响应于所述第一参与对象，针对至少一个所述演唱对象组触发的音频调整操作，在所述第一界面中播放合唱音频；其中，所述合唱音频，是对至少一个所述演唱对象组各自的原始混合音频分别进行音频调整后，采用获得的至少一个目标混合音频，与其他演唱对象组各自的原始混合音频进行混音处理获得的。

5、一方面，本技术实施例提供了一种音频处理装置，该装置包括：

6、展示模块，用于响应于第一参与对象，以指挥角色在目标应用中触发的合唱参与操作，展示合唱虚拟房间在所述指挥角色下的第一界面，所述第一界面包括：多个演唱对象组，每个演唱对象组包括：至少一个以演唱角色接入所述合唱虚拟房间的第二参与对象；

7、所述展示模块，还用于响应于所述第一参与对象，针对至少一个所述演唱对象组触发的音频调整操作，在所述第一界面中播放合唱音频；其中，所述合唱音频，是对至少一个所述演唱对象组各自的原始混合音频分别进行音频调整后，采用获得的至少一个目标混合音频，与其他演唱对象组各自的原始混合音频进行混音处理获得的。

8、可选地，还包括设置模块；

9、所述设置模块具体用于：

10、响应于所述第一参与对象在所述目标应用中触发的角色选择操作，将所述第一参与对象的角色设置为所述指挥角色。

11、可选地，所述设置模块还用于：

12、响应于所述第一参与对象在所述第一界面中触发的角色切换操作，将所述第一参与对象的角色切换为演唱角色，并展示所述合唱虚拟房间在所述演唱角色下的第二界面；或者，

13、响应于所述第一参与对象在所述第一界面中触发的角色切换操作，将所述第一参与对象的角色切换为听众角色，并展示所述合唱虚拟房间在所述听众角色下的第三界面。

14、可选地，所述多个演唱对象组是按照预设的第一分组模式划分的；

15、所述设置模块还用于：

16、响应于所述第一参与对象在所述目标应用中触发的模式选择操作，将演唱分组模式设置为所述第一分组模式。

17、可选地，所述设置模块具体用于：

18、针对以演唱角色接入所述合唱虚拟房间的每个第二参与对象，分别执行：从一个第二参与对象的历史演唱数据中，提取所述一个第二参与对象的声音特征；以及，基于所述一个第二参与对象的声音特征，获得所述一个第二参与对象在所述第一分组模式中对应的分组类别；

19、基于接入所述合唱虚拟房间的多个第二参与对象各自的分组类别，将所述多个第二参与对象划分为所述第一分组模式下的多个演唱对象组。

20、可选地，所述设置模块还用于：

21、响应于所述第一参与对象在所述目标应用中触发的模式切换操作，将演唱分组模式切换为第二分组模式，并在所述第一界面中展示所述第二分组模式下的多个演唱对象组。

22、可选地，还包括处理模块；

23、所述处理模块具体用于：

24、获取所述第一参与对象的肢体动作；

25、基于所述肢体动作，获得至少一个所述演唱对象组各自的音频调整指令；

26、按照每个所述演唱对象组对应的音频调整指令，对每个所述演唱对象组对应的原始混合音频进行调整，获得相应的目标混合音频；

27、采用获得的至少一个目标混合音频，与其他演唱对象组各自的原始混合音频进行混音处理，获得所述合唱音频。

28、可选地，所述肢体动作包括：手势动作；

29、所述处理模块具体用于：

30、采集所述第一参与对象的视频片段，所述视频片段包括多个帧图像；

31、从每个帧图像中识别出至少一个手部各自的关节点集合；

32、针对每个手部，分别执行：

33、基于获得的一个手部的多个关节点集合，提取所述一个手部的运动特征；

34、基于所述一个手部的运动特征，获得所述一个手部的手势动作。

35、可选地，所述处理模块具体用于：

36、针对至少一个所述帧图像，分别执行：基于所述一个手部在所述一个帧图像中的关节点集合，以及从所述一个帧图像中识别出的躯干区域，获得所述一个手部与所述躯干区域之间的位置关系；

37、基于获得的至少一个所述位置关系，确定所述一个手部控制的至少一个所述演唱对象组；

38、基于所述一个手部的手势动作，查询预设的手势映射数据，获得至少一个所述演唱对象组各自的音频调整指令。

39、可选地，所述肢体动作包括：口型动作；

40、所述处理模块具体用于：

41、采集所述第一参与对象的视频片段，所述视频片段包括多个帧图像；

42、从每个所述帧图像中分割出嘴唇区域；

43、基于分割出的多个嘴唇区域，提取嘴唇运动特征；

44、基于所述嘴唇运动特征，获得口型动作。

45、可选地，所述处理模块具体用于：

46、基于所述口型动作，查询预设的口型映射数据，获得至少一个所述演唱对象组各自的音频调整指令。

47、一方面，本技术实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述音频处理方法，具体包括：

48、处理器响应于第一参与对象，以指挥角色在目标应用中触发的合唱参与操作，展示合唱虚拟房间在所述指挥角色下的第一界面，所述第一界面包括：多个演唱对象组，每个演唱对象组包括：至少一个以演唱角色接入所述合唱虚拟房间的第二参与对象；

49、处理器响应于所述第一参与对象，针对至少一个所述演唱对象组触发的音频调整操作，在所述第一界面中播放合唱音频；其中，所述合唱音频，是对至少一个所述演唱对象组各自的原始混合音频分别进行音频调整后，采用获得的至少一个目标混合音频，与其他演唱对象组各自的原始混合音频进行混音处理获得的；所述合唱音频保存在存储器中。

50、一方面，本技术实施例提供了一种计算机可读存储介质，其存储有可由计算机设备执行的计算机程序，当所述程序在计算机设备上运行时，使得所述计算机设备执行上述音频处理方法的步骤。

51、一方面，本技术实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机设备执行时，使所述计算机设备执行上述音频处理方法的步骤。

52、本技术实施例中，第一参与对象以指挥角色在目标应用中触发合唱参与操作，使目标应用展示合唱虚拟房间在指挥角色下的第一界面，这样，第一参与对象便可以采用指挥角色这种全新的角色参与到合唱互动中，使参与对象体验到不一样的互动效果和听觉体验。

53、其次，响应于第一参与对象，针对至少一个演唱对象组触发的音频调整操作，对至少一个演唱对象组各自的原始混合音频分别进行音频调整，并采用获得的至少一个目标混合音频，与其他演唱对象组各自的原始混合音频进行混音处理，获得合唱音频，这样，第一参与对象可根据实际情况对各演唱对象组的混合音频进行调整，有效避免一些音量较大但质量较低的音频信号成为合唱音频中的核心声音部分，从而有效提高合唱音频的质量，进而提高合唱效果。

54、另外，第一参与对象可根据自身偏好，调控出独特的合唱音频，这样可以让合唱音频的内容更加丰富有趣，同时增加了参与对象在合唱互动中的趣味性和参与感。