音频处理方法及装置与流程

本说明书实施例涉及音频处理，特别涉及音频处理方法及装置。

背景技术：

1、随着计算机和互联网技术的发展，语音交互已经成为人机交互的重要方式之一，广泛应用于智能家居、车载系统、客服机器人和智能会议终端等多种应用场景。在这些场景中，用户可以和交互端进行对话，交互端可以用于识别用户的指令并执行，并且和用户进行连续对话。然而，在用户和交互端对话过程中，若多人同时说话，或者用户的环境背景音中有人说话，交互端需要判断这句话是谁说的，是否是为了唤醒交互端，容易出现响应错误，并且在交互端和用户对话的过程中背景音可能会打断交互端的语音播报，导致影响用户体验。因此，亟需一种有效的技术方案解决上述问题。

技术实现思路

1、有鉴于此，本说明书实施例提供了一种音频处理方法。本说明书一个或者多个实施例同时涉及一种音频处理装置，一种电子设备，一种计算机可读存储介质以及一种计算机程序产品，以解决现有技术中存在的技术缺陷。

2、根据本说明书实施例的第一方面，提供了一种音频处理方法，包括：

3、接收目标对象在交互过程中的待处理音频；

4、根据至少一个检测维度，对所述待处理音频进行检测，获得所述待处理音频对应的音频检测信息，其中，所述音频检测信息用于表征所述待处理音频的音频质量和可靠程度；

5、根据所述音频检测信息和所述目标对象对应的参考音频信息，确定所述待处理音频对应的音频处理结果，其中，所述音频处理结果用于确定所述交互过程对应的交互策略，所述音频处理结果包括所述目标对象对应的目标音频和/或所述待处理音频对应的音频检测信号，所述目标音频通过对所述待处理音频进行抽取得到。

6、根据本说明书实施例的第二方面，提供了一种音频处理装置，包括：

7、接收模块，被配置为接收目标对象在交互过程中的待处理音频；

8、检测模块，被配置为根据至少一个检测维度，对所述待处理音频进行检测，获得所述待处理音频对应的音频检测信息，其中，所述音频检测信息用于表征所述待处理音频的音频质量和可靠程度；

9、确定模块，被配置为根据所述音频检测信息和所述目标对象对应的参考音频信息，确定所述待处理音频对应的音频处理结果，其中，所述音频处理结果用于确定所述交互过程对应的交互策略，所述音频处理结果包括所述目标对象对应的目标音频和/或所述待处理音频对应的音频检测信号，所述目标音频通过对所述待处理音频进行抽取得到。

10、根据本说明书实施例的第三方面，提供了一种音频处理系统，包括：

11、采集单元，被配置为接收所述目标对象在交互过程中的待处理音频；

12、对象识别单元，被配置为根据至少一个检测维度，对所述待处理音频进行检测，获得所述待处理音频对应的音频检测信息，其中，所述音频检测信息用于表征所述待处理音频的音频质量和可靠程度；根据所述音频检测信息和所述目标对象对应的参考音频信息，确定所述待处理音频对应的音频处理结果，其中，所述音频处理结果用于确定所述交互过程对应的交互策略，所述音频处理结果包括所述目标对象对应的目标音频和/或所述待处理音频对应的音频检测信号，所述目标音频通过对所述待处理音频进行抽取得到；

13、语音识别单元，被配置为将所述待处理音频和所述目标音频转换为转换文本；

14、语义理解单元，被配置为根据所述转换文本生成回复文本；

15、语音播报单元，被配置为对所述回复文本进行语音合成并播报；

16、决策单元，被配置为根据所述转写文本、所述回复文本和所述音频检测信号确定交互策略。

17、根据本说明书实施例的第四方面，提供了一种电子设备，包括：

18、存储器和处理器，所述存储器和所述处理器通过总线连接；

19、所述存储器用于存储计算机程序/指令，所述处理器用于执行所述计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。

20、根据本说明书实施例的第五方面，提供了一种计算机可读存储介质，其存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。

21、根据本说明书实施例的第六方面，提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。

22、本说明书一个实施例提供的音频处理方法中，在交互过程中接收目标对象的待处理音频，从而获取了和目标对象的交互过程中的实时语音信号，为后续的音频检测和分析提供了基础数据，保证了音频处理过程的实时性和连续性。之后，根据至少一个检测维度对待处理音频进行检测，获得能够表征音频质量和可靠程度的音频检测信息，通过多维度的检测机制能够从不同角度全面评估待处理音频的信息，从而获得更加全面和准确的音频检测信息。之后，可以根据音频检测信息和目标对象的参考音频信息确定音频处理结果，在确定音频处理结果的过程中不仅考虑了待处理音频本身的音频检测信息，还引入了目标对象的参考音频信息作为参考依据，进而为交互策略的确定提供了可靠的决策依据。该音频处理结果可以包括目标音频和音频检测信号，目标音频可以通过对待处理音频进行抽取得到，能够为目标对象提供经过筛选的有效音频片段，音频检测信号用于表征待处理音频和目标对象之间的关系，为交互策略的确定提供了对象身份维度的判断依据。

23、上述音频处理方法中，通过引入目标对象的参考音频信息，将交互策略对应的打断判定目标确定为是否存在目标对象的有效语音，能够有效区分目标对象和其他对象的语音，在多人说话场景下准确判断目标对象的语音状态，显著降低了误打断率，提高了打断交互检测的准确率。同时，多维度的检测机制增强了抗干扰能力，使得在不同噪声环境下均能保持稳定的检测性能，且参考音频信息的引入能够根据目标对象的声学特征进行针对性的音频抽取，进一步提升音频检测的精度和可靠性，进一步提升用户的交互体验。

1.一种音频处理方法，包括：

2.根据权利要求1所述的方法，所述根据至少一个检测维度，对所述待处理音频进行检测，获得所述待处理音频对应的音频检测信息，包括：

3.根据权利要求2所述的方法，所述根据第一检测维度，对所述待处理音频进行存在性检测，获得所述待处理音频对应的第一音频检测信息，包括：

4.根据权利要求2所述的方法，所述根据第二检测维度，对所述待处理音频进行有效性检测，获得所述待处理音频对应的第二音频检测信息，包括：

5.根据权利要求4所述的方法，所述根据第二检测维度，对所述待处理音频对应的各待处理音频帧进行能量检测，获得能量检测结果，并根据所述能量检测结果从所述各待处理音频帧中确定目标待处理音频帧，包括：

6.根据权利要求4所述的方法，所述基于预设长度窗口，对所述目标待处理音频帧进行密度检测，获得密度检测结果，并根据所述密度检测结果确定所述待处理音频对应的第二音频检测信息，包括：

7.根据权利要求2所述的方法，所述接收目标对象在交互过程中的待处理音频之后，还包括：

8.根据权利要求7所述的方法，所述根据所述目标对象对应的参考音频信息，对所述待处理音频进行抽取，获得所述目标对象对应的目标音频，包括：

9.根据权利要求8所述的方法，所述根据所述目标对象对应的参考音频信息，对所述待处理音频进行抽取，获得所述目标对象对应的初始音频之后，还包括：

10.根据权利要求1-9任一项所述方法，所述根据所述音频检测信息和所述目标对象对应的参考音频信息，确定所述待处理音频对应的音频处理结果，包括：

11.根据权利要求1-9任一项所述的方法，所述待处理音频包括多个待处理音频帧；

12.根据权利要求1-9任一项所述的方法，还包括：

13.根据权利要求12所述的方法，所述对所述参考音频进行信息提取，获得所述参考音频信息，包括：

14.根据权利要求1-9任一项所述的方法，所述根据所述音频检测信息和所述目标对象对应的参考音频信息，确定所述待处理音频对应的音频处理结果之后，还包括：

15.一种音频处理装置，包括：

16.一种音频处理系统，包括：

17.一种电子设备，包括：

18.一种计算机可读存储介质，其存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现权利要求1至12任意一项所述方法的步骤。

19.一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现权利要求1至12任意一项所述方法的步骤。