音频数据处理方法、装置、电子设备以及存储介质与流程

1.本公开涉及计算机、人工智能技术领域，尤其涉及物联网、智能交通、语音技术等领域，具体地，涉及一种音频数据处理方法、装置、电子设备以及存储介质。


背景技术：

2.随着人工智能的发展，智能音箱的使用已经十分普及。智能音箱可以接收来自用户的语音命令，并通过执行该语音命令，将用户语音上传至通信网络。


技术实现要素：

3.本公开提供了一种音频数据处理方法、装置、电子设备以及存储介质。
4.根据本公开的一方面，提供了一种音频数据处理方法，包括：获取经由第一硬件通道传输的源音频数据，其中，所述源音频数据包括经由第二硬件通道传输至外部设备进行展示的数据，所述第一硬件通道与所述第二硬件通道物理分离；以及根据所述源音频数据，对环境音频数据进行回声消除，其中，所述环境音频数据包括所述源音频数据。
5.根据本公开的另一方面，提供了一种音频数据处理装置，包括：获取模块，被配置为获取经由第一硬件通道传输的源音频数据，其中，所述源音频数据包括经由第二硬件通道传输至外部设备进行展示的数据，所述第一硬件通道与所述第二硬件通道物理分离；以及回声消除模块，被配置为根据所述源音频数据，对环境音频数据进行回声消除，其中，所述环境音频数据包括所述源音频数据。
6.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据本公开实施例的音频数据处理方法。
7.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开实施例的音频数据处理方法。
8.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开实施例的音频数据处理方法。
9.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
10.附图用于更好地理解本方案，不构成对本公开的限定。其中：
11.图1示意性示出了根据本公开实施例的可以应用音频数据处理方法及装置的示例性系统架构；
12.图2示意性示出了根据本公开实施例的被投屏设备的结构示意图；
13.图3示意性示出了根据本公开实施例的音频数据处理方法的流程图；
14.图4示意性示出了根据本公开一具体实施例的被投屏设备的示例结构图；
15.图5示意性示出了根据本公开实施例的音频数据处理装置的框图；以及
16.图6示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
17.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
18.在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。
19.智能语音交互技术可用于在机顶盒、投屏盒子等产品上，但这类产品的音频和图像通常是通过hdmi(high definition multimedia interface，高清多媒体接口)投屏到电视、投影仪等播放终端上。因此无法像智能音箱一样，直接从发声扬声器采集参考信号并送回给cpu(central processing unit，中央处理器)以便进行回声消除计算，这严重影响aec(acoustic echo cancelling，回声消除)效果，导致语音交互体验较差。
20.发明人在实现本公开构思的过程中发现，针对具备智能语音交互的hdmi投屏设备，由于部分设备不具备音频数据回采功能，导致无法进行aec，因此当电视播放声音时，该部分设备将很难被唤醒。此外，还有部分设备采用纯软件操作的方法，首先将hdmi播放的音频数据在hal或应用层拦截，然后送回到cpu进行计算，以实现回采。但在该方法中，由于cpu线程调度的问题，喇叭回采信号和麦克风信号之间将出现不确定的时间关系，导致aec计算结果不准确，影响aec效果。
21.本公开提供了一种音频数据处理方法、装置、电子设备以及存储介质，该方法包括：响应于通过第一硬件通道将源音频数据传输至外部设备进行展示，经由与第一硬件通道物理分离的第二硬件通道，接收源音频数据。根据源音频数据，对环境音频数据进行回声消除，环境音频数据包括源音频数据。
22.图1示意性示出了根据本公开实施例的可以应用音频数据处理方法及装置的示例性系统架构。
23.需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。例如，在另一实施例中，可以应用音频数据处理方法及装置的示例性系统架构可以包括终端设备，但终端设备可以无需与服务器进行交互，即可实现本公开实施例提供的音频数据处理方法及装置。
24.如图1所示，根据该实施例的系统架构100可以包括被投屏设备101，传输通路102和投屏设备103、104、105。网络102用以在被投屏设备101和投屏设备103、104、105之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线和/或无线通信链路等等。
25.用户可以使用被投屏设备101通过网络104与投屏设备103、104、105交互，以将被
投屏设备101中播放的信息发送至投屏设备103、104、105进行投屏等。被投屏设备101上可以安装有各种通讯客户端应用，例如知识阅读类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
26.被投屏设备101可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机和智能音箱等等，也可以是不具有显示屏且支持智能交互的各种电子设备，包括但不限于机顶盒、投屏盒子和智能音箱等等。
27.投屏设备103、104、105可以是支持投屏功能的各种电子设备，包括但不限于智能电视、投影仪等等。
28.需要说明的是，本公开实施例所提供的音频数据处理方法可以由被投屏设备101执行。相应地，本公开实施例所提供的音频数据处理装置也可以设置于被投屏设备101中。
29.例如，在需要处理音频数据时，被投屏设备101可以响应于通过第一硬件通道将源音频数据传输至外部设备进行展示，经由与第一硬件通道物理分离的第二硬件通道，接收源音频数据，并根据源音频数据，对环境音频数据进行回声消除，环境音频数据包括源音频数据。
30.应该理解，图1中的被投屏设备、网络和投屏设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的被投屏设备、网络和投屏设备。
31.图2示意性示出了根据本公开实施例的被投屏设备的结构示意图。
32.如图2所示，被投屏设备200可以包括音视频生成模块210、麦克风模块220、回声消除模块230，以及用于传输音频数据、视频数据以及音视频数据其中至少之一的传输通道211、212、213。
33.根据本公开的实施例，音视频生成模块210可以配置有智能化软件应用等，智能化软件应用可以生成音频数据、视频数据和音视频数据其中至少之一。在该种情况下，音视频生成模块210可以根据该智能化软件应用等产生的音频数据，生成源音频数据。音视频生成模块210还可以与其他设备通信连接，在该种情况下，音视频生成模块210还可以根据接收到的来自其他设备的音频数据或音视频数据，生成源音频数据。源音频数据可以包括与相应的音频数据相关的视频数据。
34.根据本公开的实施例，传输通道211可以将音视频生成模块210生成的源音频数据传输至外部设备240进行外放。传输通道212可以将音视频生成模块210生成的源音频数据传输至回声消除模块230。传输通道221可以将麦克风模块220接收到的环境音频数据传输至回声消除模块230。
35.根据本公开的实施例，麦克风模块220，可以接收环境中的人声，如用户250产生的语音，外部设备240外放出来的声音，以及其他声音等环境音频数据。
36.根据本公开的实施例，回声消除模块230，可以根据源音频数据，对环境音频数据进行回声消除。
37.需要说明的是，音视频生成模块210、麦克风模块220、回声消除模块230等均可以为硬件模块，也可以为具有相应功能的软件模块，在此不进行限定。外部设备不具有对音频数据进行外放的能力，外部设备所展示的内容的音频数据由与音视频生成模块210相对应的音频播放模块仅播放。
38.下面结合图2所示的被投屏设备的示例性结构，结合具体实施例，对本公开实施例的音频数据处理方法做进一步说明。
39.图3示意性示出了根据本公开实施例的音频数据处理方法的流程图。
40.在操作s310，获取经由第一硬件通道传输的源音频数据，源音频数据包括经由第二硬件通道传输至外部设备进行展示的数据，第一硬件通道与第二硬件通道物理分离。
41.在操作s320，根据源音频数据，对环境音频数据进行回声消除，环境音频数据包括源音频数据。
42.根据本公开的实施例，第一硬件通道和第二硬件通道均可以包括hdmi(high definition multimedia interface，高清多媒体接口)连接线形成的传输通道、由dp(displayport，显示接口)连接线形成的传输通道、由dvi(digital visual interface，数字视频接口)连接线形成的传输通道以及由lvds(low-voltage differential signaling，低压差分信号传输)连接线形成的传输通道等其中至少之一。源音频数据可以包括hdmi、dp、dpi、lvds等其中至少一种格式的音频数据。
43.根据本公开的实施例，参见图2所示。第一硬件通道可以包括图2中的传输通道212，第二硬件通道可以包括图2中的传输通道211，源音频数据可以包括图2中的音视频生成模块210产生的音频数据，外部设备可以包括图2中的外部设备240，环境音频数据可以包括外界设备240产生的设备音频数据和来自外界设备240之外的其他环境因素产生的其他音频数据。
44.需要说明的是，源音频数据可以包括空数据或设备音频数据，空数据可以表征没有检测到音频数据的情况。环境音频数据可以包括空数据、其他音频数据、设备音频数据或由其他音频数据和设备音频数据构成的混合数据等。其他音频数据例如可以包括用户语音形成的音频数据以及与音视频生成模块210无关的其他设备产生的音频数据等其中至少之一。在源音频数据为空数据的情况下，环境音频数据可以包括空数据或其他音频数据。在源音频数据为设备音频数据的情况下，环境音频数据可以包括设备音频数据或由其他音频数据和设备音频数据构成的混合音频数据。
45.根据本公开的实施例，参见图2所示。可以由回声消除模块230获取经由硬件通道212传输的源音频数据，作为针对外界设备240展示的音视频内容采集到的音频数据，用作回声消除时的参考数据。回声消除模块230还可以获取环境音频数据，通过对源音频数据和环境音频数据进行比对消除，可以实现对环境音频数据进行回声消除。
46.通过本公开的上述实施例，可以通过额外设置的第一硬件通道，实现对无音频输出的外部设备所展示内容中的音频数据的回采，回采的音频数据和环境音频数据可以具有固定的时间关系，可有效避免通过软件的方式回采该部分数据时可能存在的时间抖动，并避免由于时间抖动使得回声消除算法计算不准确。此外，还可降低设备中的软件开发难度，提高回声消除效果，以及提高用户语音交互时的体验。
47.根据本公开的实施例，上述环境音频数据的获取方法可以包括：响应于检测到环境中存在音频数据，获取环境音频数据。
48.根据本公开的实施例，环境中存在的音频数据可以包括设备音频数据和其他音频数据等其中至少之一。
49.根据本公开的实施例，可以在检测到环境中存在音频数据的情况下，获取需要进
行回声消除的环境音频数据，在未检测到环境中存在音频数据的情况下，可以不获取换音频数据。
50.通过本公开的上述实施例，由于只有在检测到环境中存在音频数据的情况下，才获取环境音频数据，对于环境中没有音频数据的时段，可以节省设备功耗，减少对硬件资源的无意义的消耗。
51.根据本公开的实施例，根据源音频数据，对环境音频数据进行回声消除可以包括：响应于检测到环境音频数据中包括与源音频数据相关的信号，将环境音频数据中所包括的与源音频数据相关的信号消除。
52.根据本公开的实施例，在源音频数据和环境音频数据均为空数据的情况下，可以不触发回声消除处理；或者可以触发回声消除处理，并得到回声消除的结果为空数据。在源音频数据为空数据且环境音频数据为其他音频数据的情况下，可以得到回声消除的结果为该其他音频数据。在源音频数据和环境音频数据均为设备音频数据的情况下，可以得到回声消除的结果可以为空数据。在源音频数据为设备音频数据且环境音频数据为混合音频数据的情况下，可以得到回声消除的结果为其他音频数据。
53.通过本公开的上述实施例，通过回声消除的过程，可以从环境音频数据中确定有价值的音频数据，能够根据该有价值的音频数据进行相应的处理，提高了设备检测音频数据的灵敏度，并可有效提高用户体验。
54.根据本公开的实施例，第一硬件通道可以包括第一声卡，第二硬件通道可以包括第二声卡。
55.根据本公开的实施例，第一声卡和第二声卡也可以替换为其他的具有音频播放功能的硬件设备，在此不进行限定。
56.通过本公开的上述实施例，可以设置附加的第二声卡实现对无音频输出的外部设备所展示内容中的音频数据的回采，回采的音频数据和环境音频数据可以具有固定的时间关系，避免由于时间抖动使得回声消除算法计算不准确，提高回声消除效果，以及提高用户语音交互时的体验。
57.根据本公开的实施例，第二硬件通道可以包括由高清多媒体接口连接线形成的传输通道。
58.根据本公开的实施例，在第二硬件通道包括hdmi连接线的情况下，上述音频数据处理方法可以应用于机顶盒、投屏盒子等hdmi投屏设备，以及智能音箱类产品等其中至少之一。
59.通过本公开的上述实施例，可以在对hdmi投屏设备扩展智能语音交互功能，以及对其他设备增加hdmi投屏功能的情况下，提高相关设备工作中的回声消除效果。
60.图4示意性示出了根据本公开一具体实施例的被投屏设备的示例结构图。
61.如图4所示，被投屏设备400可以包括音视频生成模块210、麦克风模块220、回声消除模块230，两个声卡410、420，以及用于传输音频数据、视频数据以及音视频数据其中至少之一的传输通道411、412、421、422、221等。
62.根据本公开的实施例，参见图4所示，根据声卡420和传输通道421、422，可以确定用于将音视频生成模块210生成的源音频数据传输至回声消除模块230的第一硬件通路。根据声卡410和传输通道411、412，可以确定用于将音视频生成模块210生成的源音频数据传
输至外部设备240进行外放的第二硬件通路。传输通道412可以包括由hdmi连接线形成的传输通道。
63.根据本公开的实施例，可以在独立于hdmi接口之外，另外启用一个硬件通道传输与hdmi同源的音频数据。例如，参见图4所示，另外启用的硬件通道可以包括根据声卡420和传输通道421、422构建的上述第一音频通道，与hdmi同源的音频数据可以包括音视频生成模块210生成的源音频数据。可以通过软件设置的方式同时开启被投屏设备400中的两个声卡410、420，两个声卡410、420可以同时对视频生成模块210生成的源音频数据进行播放。声卡410播放的源音频数据可以通过hdmi连接线传输至外部设备240进行外放。外放声卡420播放的源音频数据可以发送至被投屏设备的i2s、tdm、line-out等常见音频输出接口，并将该音频输出接口连接到麦克风模块220的音频输入接口，如图4中audio-in 430，并可经由audio-in 430传输至回声消除模块230，从而可以实现对与外部设备240展示的内容相关的音频数据进行硬件回环采集，并实现对麦克风模块220获取的环境音频数据进行回声消除。
64.通过本公开的上述实施例，可以通过设置额外的声卡，设置一条硬件回采通道，实现对无音频输出的外部设备所展示内容中的音频数据的回采，回采的音频数据和环境音频数据可以具有固定的时间关系，缓解由于时间抖动使得回声消除算法计算不准确的问题，提高回声消除效果，以及提高用户语音交互时的体验。
65.图5示意性示出了根据本公开实施例的音频数据处理装置的框图。
66.如图5所示，音频数据处理装置500可以包括获取模块510和回声消除模块520。
67.获取模块510，被配置为获取经由第一硬件通道传输的源音频数据，源音频数据包括经由第二硬件通道传输至外部设备进行展示的数据，第一硬件通道与第二硬件通道物理分离。
68.回声消除模块520，被配置为根据源音频数据，对环境音频数据进行回声消除，环境音频数据包括源音频数据。
69.根据本公开的实施例，第一硬件通道包括第一声卡，第二硬件通道包括第二声卡。
70.根据本公开的实施例，第二硬件通道包括由高清多媒体接口连接线形成的传输通道。
71.根据本公开的实施例，回声消除模块还配置为响应于检测到环境音频数据中包括与源音频数据相关的信号，将环境音频数据中所包括的与源音频数据相关的信号消除。
72.根据本公开的实施例，音频数据处理装置还包括音频获取模块。
73.音频获取模块，被配置为响应于检测到环境中存在音频数据，获取环境音频数据。
74.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
75.根据本公开的实施例，一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被所述至少一个处理器执行，以使至少一个处理器能够执行根据本公开实施例的音频数据处理方法。
76.根据本公开的实施例，电子设备还可以包括第一硬件通道和第二硬件通道。
77.根据本公开的实施例，电子设备可以包括机顶盒、投屏盒子或智能音箱等，且在此不进行限定。
78.根据本公开的实施例，一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行根据本公开实施例的音频数据处理方法。
79.根据本公开的实施例，一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据本公开实施例的音频数据处理方法。
80.图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
81.如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(rom)602中的计算机程序或者从存储单元608加载到随机访问存储器(ram)603中的计算机程序，来执行各种适当的动作和处理。在ram 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
82.设备600中的多个部件连接至i/o接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
83.计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如音频数据处理方法。例如，在一些实施例中，音频数据处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到ram 603并由计算单元601执行时，可以执行上文描述的音频数据处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行音频数据处理方法。
84.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
85.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处
理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
86.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
87.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
88.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
89.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以是分布式系统的服务器，或者是结合了区块链的服务器。
90.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
91.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。