音频处理方法、装置、电子设备和计算机可读介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及音频处理方法、装置、电子设备和计算机可读介质。


背景技术：

2.随着现代乐器的发展，如何确定用户弹奏的内容的准确性成为一项重要的研究课题。目前，在确定用户弹奏的内容的准确性时，通常采用的方式为：通过老师对用户弹奏的内容进行分析，确定弹奏的内容的准确性。
3.然而，当采用上述方式确定用户弹奏的内容的准确性时，经常会存在如下技术问题：
4.第一，通过老师确定用户弹奏的内容是否正确时，老师容易遗漏弹奏出错的内容，因此需要反复播放用户弹奏的内容，以找到每个弹奏出错的内容，造成教学时间的浪费；
5.第二，通过老师确定用户弹奏的内容是否正确时，老师无法确定用户弹奏的每个音的节奏的快慢，导致用户需要对全曲内容进行反复练习，造成练习时间的浪费。


技术实现要素：

6.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
7.本公开的一些实施例提出了音频处理方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
8.第一方面，本公开的一些实施例提供了一种音频处理方法，该方法包括：响应于接收到用户端发送的音频，对上述音频进行格式转换处理，以生成转换音频；将上述转换音频输入至预先训练的音频信息提取模型中，得到音频信息序列，其中，上述音频信息序列中的音频信息包括音频帧数；根据上述音频信息序列包括的各个音频帧数，将上述音频信息序列中的各个音频信息进行分组处理，得到分组音频信息序列集，其中，上述分组音频信息序列集中的各个分组音频信息序列根据所包括的各个音频帧数排列；将上述分组音频信息序列集与标准音频信息序列集进行匹配处理，得到标准分组音频信息序列集，其中，上述标准分组音频信息序列集包括的标准分组音频信息序列的数量等于上述分组音频信息序列集包括的分组音频信息序列的数量；根据上述分组音频信息序列集和上述标准分组音频信息序列集，生成音频检测文本。
9.第二方面，本公开的一些实施例提供了一种音频处理装置，装置包括：转换处理单元，被配置成响应于接收到用户端发送的音频，对上述音频进行格式转换处理，以生成转换音频；输入单元，被配置成将上述转换音频输入至预先训练的音频信息提取模型中，得到音频信息序列，其中，上述音频信息序列中的音频信息包括音频帧数；分组处理单元，被配置成根据上述音频信息序列包括的各个音频帧数，将上述音频信息序列中的各个音频信息进
行分组处理，得到分组音频信息序列集，其中，上述分组音频信息序列集中的各个分组音频信息序列根据所包括的各个音频帧数排列；匹配处理单元，被配置成将上述分组音频信息序列集与标准音频信息序列集进行匹配处理，得到标准分组音频信息序列集，其中，上述标准分组音频信息序列集包括的标准分组音频信息序列的数量等于上述分组音频信息序列集包括的分组音频信息序列的数量；生成单元，被配置成根据上述分组音频信息序列集和上述标准分组音频信息序列集，生成音频检测文本。
10.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
11.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
12.本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的音频处理方法，减少了教学时间的浪费。具体来说，造成教学时间的浪费的原因在于：通过老师确定用户弹奏的内容是否正确时，老师容易遗漏弹奏出错的内容，因此需要反复播放用户弹奏的内容，以找到每个弹奏出错的内容，造成教学时间的浪费。基于此，本公开的一些实施例的音频处理方法，首先，响应于接收到用户端发送的音频，对上述音频进行格式转换处理，以生成转换音频。由此，可以将音频格式转换为可以适用音频信息提取模型的音频格式。其次，将上述转换音频输入至预先训练的音频信息提取模型中，得到音频信息序列。由此，可以将各个音频信息进行分组，便于与标准音频信息序列集进行匹配。然后，根据上述音频信息序列包括的各个音频帧数，将上述音频信息序列中的各个音频信息进行分组处理，得到分组音频信息序列集；将上述分组音频信息序列集与标准音频信息序列集进行匹配处理，得到标准分组音频信息序列集。由此，将用户弹奏的每个分组音频信息序列与标准音频信息序列集进行匹配，便于确定每个分组音频信息序列是否与对应的标准音频信息序列相匹配，从而减少了教学时间的浪费。最后，根据上述分组音频信息序列集和上述标准分组音频信息序列集，生成音频检测文本。由此，可以将用户弹奏的情况显示在音频检测文本，完成了对用户弹奏的内容的正确性的确定。从而，减少了教学时间的浪费。
附图说明
13.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
14.图1是本公开的一些实施例的音频处理方法的一个应用场景的示意图；
15.图2是根据本公开的音频处理方法的一些实施例的流程图；
16.图3是根据本公开的音频处理装置的一些实施例的结构示意图；
17.图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
18.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这
里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
19.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
20.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
21.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
22.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
23.下面将参考附图并结合实施例来详细说明本公开。
24.图1是本公开的一些实施例的音频处理方法的一个应用场景的示意图。
25.在图1的应用场景中，首先，计算设备101可以响应于接收到用户端发送的音频102，对上述音频102进行格式转换处理，以生成转换音频103。其次，计算设备101可以将上述转换音频103输入至预先训练的音频信息提取模型中，得到音频信息序列104。其中，上述音频信息序列104中的音频信息包括音频帧数。然后，计算设备101可以根据上述音频信息序列104包括的各个音频帧数，将上述音频信息序列104中的各个音频信息进行分组处理，得到分组音频信息序列集105。其中，上述分组音频信息序列集105中的各个分组音频信息序列根据所包括的各个音频帧数排列。之后，计算设备101可以将上述分组音频信息序列集105与标准音频信息序列集106进行匹配处理，得到标准分组音频信息序列集107。其中，上述标准分组音频信息序列集107包括的标准分组音频信息序列的数量等于上述分组音频信息序列集105包括的分组音频信息序列的数量。最后，计算设备101可以根据上述分组音频信息序列集105和上述标准分组音频信息序列集107，生成音频检测文本108。
26.需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
27.应该理解，图1中的计算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计算设备。
28.继续参考图2，示出了根据本公开的音频处理方法的一些实施例的流程200。该音频处理方法，包括以下步骤：
29.步骤201，响应于接收到用户端发送的音频，对音频进行格式转换处理，以生成转换音频。
30.在一些实施例中，音频处理方法的执行主体(例如图1所示的计算设备101)可以响应于接收到用户端发送的音频，对上述音频进行格式转换处理，以生成转换音频。其中，上述用户端可以是与上述执行主体无线连接的终端设备。上述音频可以是上述用户端录制的用户弹奏的音频。上述音频还可以是用户上传至用户端的音频。上述转换处理可以将音频转换为预先设定的音频格式。例如，上述预先设定的音频格式可以是wav格式。
31.步骤202，将转换音频输入至预先训练的音频信息提取模型中，得到音频信息序列。
32.在一些实施例中，上述执行主体可以将上述转换音频输入至预先训练的音频信息提取模型中，得到音频信息序列。其中，上述音频信息序列中的音频信息可以包括但不限于：音频帧数、音高值、帧数时间。上述音频帧数可以表征音频中的音频时长的最小时长单位(时间粒度)。上述音高值可以用于表征音调的高低。上述帧数时间可以是音频播放时长中的某一时间点。上述音频播放时长可以是播放音频需要的时长。例如，上述音频播放时长可以是3分钟，上述帧数时间可以是第5s，表征音频播放时长“3分钟”中的第5秒。上述音频信息提取模型可以是预先训练用于提取音频信息的卷积神经网络模型。例如，上述音频信息提取模型可以是resnet网络模型。
33.作为示例，上述音频信息序列可以是：
34.{＇音频帧数＇：＇1＇，＇音高值＇：＇25＇，＇帧数时间＇：＇1s＇}；
35.{＇音频帧数＇：＇2＇，＇音高值＇：＇40＇，＇帧数时间＇：＇1.01s＇}；
36.{＇音频帧数＇：＇3＇，＇音高值＇：＇34＇，＇帧数时间＇：＇1.52s＇}；
37.{＇音频帧数＇：＇4＇，＇音高值＇：＇89＇，＇帧数时间＇：＇2.05s＇}。
38.步骤203，根据音频信息序列包括的各个音频帧数，将音频信息序列中的各个音频信息进行分组处理，得到分组音频信息序列集。
39.在一些实施例中，上述执行主体可以根据上述音频信息序列包括的各个音频帧数，将上述音频信息序列中的各个音频信息进行分组处理，得到分组音频信息序列集。实践中，第一，上述执行主体可以对上述音频进行唱名提取处理，得到唱名序列。其中，上述唱名提取处理可以是将音频中的各个唱名进行提取。第二，上述执行主体可以提取上述唱名对应的音符时值。第三，对于上述唱名序列中的每个唱名，上述执行主体可以将音频信息序列中对应上述唱名的音符时值对应的各个音频信息合并为分组音频信息序列，得到分组音频信息序列集。其中，上述分组音频信息序列集中的各个分组音频信息序列按所包括的各个音频帧数从小到大进行排列。
40.作为示例，上述执行主体可以将步骤202所示例的音频信息序列中每两个音频帧数对应的音频信息合并为分组音频信息序列，得到分组音频信息序列集：
41.{[＇音频帧数＇：＇1＇，＇音高值＇：＇25＇，＇帧数时间＇：＇1s＇]；
[0042]
[＇音频帧数＇：＇2＇，＇音高值＇：＇40＇，＇帧数时间＇：＇1.01s＇]}，
[0043]
{[＇音频帧数＇：＇3＇，＇音高值＇：＇34＇，＇帧数时间＇：＇1.52s＇]；
[0044]
[＇音频帧数＇：＇4＇，＇音高值＇：＇89＇，＇帧数时间＇：＇2.05s＇]}。
[0045]
步骤204，将分组音频信息序列集与标准音频信息序列集进行匹配处理，得到标准分组音频信息序列集。
[0046]
在一些实施例中，上述执行主体可以将上述分组音频信息序列集与标准音频信息序列集进行匹配处理，得到标准分组音频信息序列集。上述匹配处理可以是：对于上述分组音频信息序列集中的每个分组音频信息序列，从上述标准音频信息序列集中选取出与上述分组音频信息序列的距离最小的标准音频信息序列作为标准分组音频信息序列，得到标准分组音频信息序列集。上述距离可以是分组音频信息序列与标准音频信息序列的特征距离。例如，上述距离可以是欧氏距离。上述距离还可以是曼哈顿距离。
[0047]
实践中，上述执行主体可以通过以下步骤生成标准音频信息序列集：
[0048]
第一步，上述执行主体可以将标准曲谱输入至预先训练的音频信息提取模型，得到标准音频信息序列。其中，上述标准曲谱可以是预先存储的曲谱对应的音频。
[0049]
第二步，上述执行主体将上述标准音频信息序列进行分组处理，得到标准音频信息序列集。其中，上述标准音频信息序列中的标准音频信息包括标准音频帧数、标准帧数时间和标准音高值。上述标准音高值可以表征标准曲谱中某一标准音频帧数对应的音调的高低。上述标准音频帧数可以表征标准曲谱中的曲谱时长的最小时长单位(时间粒度)。上述标准帧数时间可以是曲谱播放时长中的某一时间点。上述曲谱播放时长可以是播放标准曲谱需要的时长。例如，上述曲谱播放时长可以是5分钟，上述标准帧数时间可以是第3s，表征曲谱播放时长“5分钟”中的第三秒。
[0050]
在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤将上述分组音频信息序列集与标准音频信息序列集进行匹配处理，得到标准分组音频信息序列集：
[0051]
第一步，将上述分组音频信息序列集与上述标准音频信息序列集进行匹配处理，生成匹配音频信息序列集。实践中，上述执行主体可以通过以下子步骤对上述分组音频信息序列集与上述标准音频信息序列集进行匹配处理：
[0052]
第一子步骤，对于上述分组音频信息序列集中的每个分组音频信息序列，确定上述分组音频信息序列与上述标准音频信息序列集中每个标准音频信息序列的距离，得到距离序列。
[0053]
第二子步骤，将所得到的各个距离序列组成二维距离矩阵。其中，上述二维距离矩阵的横向的从左到右的各个距离依次对应上述分组音频信息序列集中的各个分组音频信息序列。上述分组音频信息序列集中的各个分组音频信息序列按音频帧数从小到大进行排序。上述二维距离矩阵的纵向的从下到上的各个距离依次对应上述标准音频信息序列集中的各个标准音频信息序列。上述标准音频信息序列集中的各个标准音频信息序列按标准音频帧数从小到大进行排序。例如，上述二维距离矩阵中的第一列最后一个距离为上述分组音频信息序列集中的第一个分组音频信息序列与上述标准音频信息序列集中的第一个标准音频信息序列的距离。上述执行主体可以以二维距离矩阵的第一列最后一个距离的左下角为原点，建立直角坐标系。作为示例，上述分组音频信息序列集中的第一个分组音频信息序列与上述标准音频信息序列集中的第一个标准音频信息序列的距离的坐标为(1，1)。
[0054]
第三子步骤，创建一个空的目标匹配音频信息序列集。
[0055]
第四子步骤，从分组音频信息序列集中的第一个分组音频信息序列对应的距离序列中选取出最小的距离，以及，将上述最小的距离确定为初始距离。
[0056]
第五子步骤，基于上述初始距离和上述二维距离矩阵，执行如下处理步骤：
[0057]
第一处理步骤，将上述初始距离在上述二维距离矩阵中的坐标确定为初始坐标；
[0058]
第二处理步骤，根据以下公式确定初始坐标与目标坐标的最小距离：
[0059]
λ＝d(ai，bj) min[λ(a
i 1
，bj)，λ(ai，b
j 1
)，λ(a
i 1
，b
j 1
)]。
[0060]
其中，λ表示最小距离。ai表示分组音频信息序列集中的第i个分组音频信息序列。bj表示标准音频信息序列集中的第j个标准音频信息序列。(ai，bj)表示初始坐标。d(ai，bj)表示初始距离。min表示取最小值函数。λ(a
i 1
，bj)表示分组音频信息序列集中的第i 1个分
组音频信息序列与标准音频信息序列集中的第j个标准音频信息序列的距离与初始距离的距离。λ(ai，b
j 1
)表示分组音频信息序列集中的第i个分组音频信息序列与标准音频信息序列集中的第j 1个标准音频信息序列的距离与初始距离的距离。λ(a
i 1
，b
j 1
)表示分组音频信息序列集中的第i 1个分组音频信息序列与标准音频信息序列集中的第j 1个标准音频信息序列的距离与初始距离的距离。上述目标坐标为上述取最小值函数的结果对应的二维距离矩阵的坐标。
[0061]
第三处理步骤，响应于目标坐标的横坐标小于上述分组音频信息序列集中的分组音频信息序列的数量，将初始距离对应的标准音频信息序列添加至目标匹配音频信息序列集，以及，将添加后的目标匹配音频信息序列集作为目标匹配音频信息序列集，将目标坐标作为初始坐标，将最小距离作为初始距离，再次执行上述处理步骤。
[0062]
第四处理步骤，响应于目标坐标的横坐标等于上述分组音频信息序列集中的分组音频信息序列的数量，将初始距离对应的标准音频信息序列添加至目标匹配音频信息序列集，以及，将添加后的目标匹配音频信息序列集作为匹配音频信息序列集。
[0063]
第二步，响应于上述匹配音频信息序列集中的最后一个匹配音频信息序列与上述标准音频信息序列集中的最后一个标准音频信息序列相对应，将上述匹配音频信息序列集确定为标准分组音频信息序列集。实践中，上述执行主体可以响应于上述匹配音频信息序列集中的最后一个匹配音频信息序列与上述标准音频信息序列集中的最后一个标准音频信息序列相同，将上述匹配音频信息序列集确定为标准分组音频信息序列集。
[0064]
第三步，响应于上述匹配音频信息序列集中的最后一个匹配音频信息序列与上述标准音频信息序列集中除最后一个标准音频信息序列之外的任一标准音频信息序列相对应，将上述分组音频信息序列集与上述匹配音频信息序列集进行匹配处理，以生成再次匹配音频信息序列集作为标准分组音频信息序列集。其中，上述执行主体可以响应于上述匹配音频信息序列集中的最后一个匹配音频信息序列与上述标准音频信息序列集中除最后一个标准音频信息序列之外的任一标准音频信息序列相同，将上述分组音频信息序列集与上述匹配音频信息序列集进行匹配处理，以生成再次匹配音频信息序列集作为标准分组音频信息序列集。
[0065]
步骤205，根据分组音频信息序列集和标准分组音频信息序列集，生成音频检测文本。
[0066]
在一些实施例中，首先，上述执行主体可以对于上述分组音频信息序列集中的每个分组音频信息序列，确定上述分组音频信息序列与上述标准分组音频信息序列集中对应上述分组音频信息序列集的标准分组音频信息序列是否相同。然后，上述执行主体可以将与对应的标准分组音频信息序列相同的各个分组音频信息序列的数量与分组音频信息序列集包括的分组音频信息序列的数量的比值确定为弹奏总分值。最后，上述执行主体可以将弹奏总分值添加至音频检测文本模板，以生成音频检测文本。其中，上述音频检测文本模板可以是预先设定的用于填写弹奏总分值的文本模板。例如，上述文本模板可以是“您的弹奏总分值为_分”。
[0067]
在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤生成音频检测文本：
[0068]
第一步，获取上述用户端发送的标准音频选择信息。其中，上述标准音频选择信息
可以是用户通过用户端发送的用于表征用户选择的弹奏曲谱的长度的信息。例如，上述标准音频选择信息可以是“弹奏《a》全曲”。上述标准音频选择信息还可以是“弹奏《a》第二句至第15句”。
[0069]
第二步，响应于上述标准音频选择信息为第一选择信息，将上述分组音频信息序列集包括的分组音频信息序列的数量与上述标准音频信息序列集包括的标准音频信息序列的数量的比值确定为弹奏完整值。其中，上述第一选择信息可以表征用户通过用户端选择的对上述分组音频信息序列集对应的标准曲谱进行全曲弹奏。
[0070]
第三步，响应于上述标准音频选择信息为第二选择信息，根据上述标准音频选择信息，对上述标准音频信息序列集进行截取处理，以生成截取标准音频信息序列集。实践中，上述执行主体可以从标准音频信息序列集中选取出用户通过用户端选择的弹奏部分对应的各个标准音频信息序列作为截取标准音频信息序列集。其中，上述第二选择信息可以表征用户通过用户端选择的弹奏上述分组音频信息序列集对应的标准曲谱中的部分曲谱内容。
[0071]
第四步，将上述分组音频信息序列集对应的标准分组音频信息序列集中的标准分组音频信息序列的数量与上述截取标准音频信息序列集包括的截取标准音频信息序列的数量的比值确定为弹奏完整值。
[0072]
第五步，对于上述分组音频信息序列集所包括的每个音高值，响应于确定上述音高值与上述音高值对应的标准音高值相同，将上述音高值确定为音高准确值。这里，对于上述分组音频信息序列集所包括的每个音高值，上述执行主体可以响应于确定上述音高值与上述音高值对应的标准音频信息包括的标准音高值相同，将上述音高值确定为音高准确值。
[0073]
第六步，将所确定的各个音高准确值包括的音高准确值的数量与上述音频信息序列集包括的音频信息的数量的比值确定为音频准确量。
[0074]
第七步，根据上述弹奏完整值和上述音频准确量，生成音频评价分值。实践中，上述执行主体可以通过以下公式生成音频评价分值：
[0075]
num＝α
×
pluck β
×
pitch。
[0076]
其中，num表示音频评价分值。α表示第一权值，β表示第二权值，这里，对于第一权值和第二权值的设定，不作限制，可以是根据实验数据得出的权值。pluck表示弹奏完整值。pitch表示音频准确量。
[0077]
第八步，将上述音频评价分值、上述弹奏完整值和上述音频准确量添加至音频检测文本模板，以生成音频检测文本。
[0078]
可选地，在第八步之后，对于除最后一个分组音频信息序列之外的分组音频信息序列集中的每个分组音频信息序列，将目标分组音频信息序列所包括的第一个音频帧数对应的帧数时间与上述分组音频信息序列所包括的最后一个音频帧数对应的帧数时间的差确定为间隔时长。
[0079]
在一些实施例中，上述执行主体可以对于除最后一个分组音频信息序列之外的分组音频信息序列集中的每个分组音频信息序列，将目标分组音频信息序列中的第一个目标分组音频信息包括的帧数时间与上述分组音频信息序列所包括的最后一个分组音频信息包括的帧数时间的差确定为间隔时长。其中，上述目标分组音频信息序列为上述分组音频
信息序列之后的第一个分组音频信息序列。
[0080]
可选地，对于除最后一个标准分组音频信息序列之外的标准分组音频信息序列集中的每个标准分组音频信息序列，将目标标准分组音频信息序列所包括的第一个标准音频帧数对应的标准帧数时间与上述标准分组音频信息序列所包括的最后一个标准音频帧数对应的标准帧数时间的差确定为标准间隔时长。
[0081]
在一些实施例中，上述执行主体可以对于除最后一个标准分组音频信息序列之外的标准分组音频信息序列集中的每个标准分组音频信息序列，将目标标准分组音频信息序列中的第一个目标标准分组音频信息包括的标准帧数时间与上述标准分组音频信息序列中的最后一个标准分组音频信息包括的标准帧数时间的差确定为标准间隔时长。其中，上述目标标准分组音频信息序列为上述标准分组音频信息序列之后的第一个标准分组音频信息序列。
[0082]
可选地，对于所确定的各个间隔时长中的每个间隔时长，将上述间隔时长与上述间隔时长对应的标准间隔时长的比值确定为节奏准确权值。
[0083]
在一些实施例中，上述执行主体可以对于所确定的各个间隔时长中的每个间隔时长，将上述间隔时长与上述间隔时长对应的标准间隔时长的比值确定为节奏准确权值。
[0084]
可选地，将所确定的各个节奏准确权值中的众数确定为标准节奏值。
[0085]
在一些实施例中，上述执行主体可以将所确定的各个节奏准确权值中的众数确定为标准节奏值。
[0086]
可选地，根据上述标准节奏值，生成标准节奏值范围。
[0087]
在一些实施例中，第一，上述执行主体可以将标准节奏值与预设节奏值的差确定为标准节奏值范围的最小值。第二，上述执行主体可以将标准节奏值与预设节奏值的和确定为标准节奏值范围的最大值，得到标准节奏值范围。其中，上述预设节奏值为小于上述标准节奏值的正数。
[0088]
可选地，对于所确定的各个节奏准确权值中的每个节奏准确权值，执行如下处理步骤：
[0089]
第一处理步骤，确定上述节奏准确权值是否在上述标准节奏值范围内。
[0090]
在一些实施例中，上述执行主体可以确定上述节奏准确权值是否在上述标准节奏值范围内。
[0091]
第二处理步骤，响应于确定上述节奏准确权值在上述标准节奏值范围内，生成对应上述节奏准确权值的准确节奏标记。
[0092]
在一些实施例中，上述执行主体可以响应于确定上述节奏准确权值在上述标准节奏值范围内，生成对应上述节奏准确权值的准确节奏标记。其中，上述准确节奏标记可以表征上述节奏准确权值在上述标准节奏值范围内。
[0093]
第三处理步骤，响应于确定上述节奏准确权值小于上述标准节奏值范围包括的各个标准节奏值中的最小值，生成对应上述节奏准确权值的快速节奏标记。
[0094]
在一些实施例中，上述执行主体可以响应于确定上述节奏准确权值小于上述标准节奏值范围包括的各个标准节奏值中的最小值，生成对应上述节奏准确权值的快速节奏标记。其中，上述快速节奏标记可以表征上述节奏准确权值小于上述标准节奏值范围包括的各个标准节奏值中的最小值。
[0095]
第四处理步骤，响应于确定上述节奏准确权值大于上述标准节奏值范围包括的各个标准节奏值中的最大值，生成对应上述节奏准确权值的缓慢节奏标记。
[0096]
在一些实施例中，上述执行主体可以响应于确定上述节奏准确权值大于上述标准节奏值范围包括的各个标准节奏值中的最大值，生成对应上述节奏准确权值的缓慢节奏标记。其中，上述缓慢节奏标记可以表征上述节奏准确权值大于上述标准节奏值范围包括的各个标准节奏值中的最大值。
[0097]
可选地，将所生成的各个准确节奏标记包括的准确节奏标记的数量与上述音频信息序列集包括的音频信息的数量的比值确定为节奏准确量。
[0098]
在一些实施例中，上述执行主体可以将所生成的各个准确节奏标记包括的准确节奏标记的数量与上述音频信息序列集包括的音频信息的数量的比值确定为节奏准确量。
[0099]
可选地，根据上述节奏准确量、所生成的各个快速节奏标记、所生成的各个准确节奏标记和所生成的各个缓慢节奏标记，生成节奏检测文本。
[0100]
在一些实施例中，第一，上述执行主体可以创建一个空的节奏标记集合作为目标节奏标记集合。第二，上述执行主体可以将所生成的各个快速节奏标记、所生成的各个准确节奏标记和所生成的各个缓慢节奏标记添加至上述节奏目标标记集合中。第三，上述执行主体可以将上述节奏目标标记集合中的各个目标节奏标记按对应的各个音频帧数从小到大进行排列，得到节奏标记序列。第四，上述执行主体可以将上述节奏准确量和节奏标记序列添加至节奏检测文本模板，以生成节奏检测文本。其中，上述节奏检测文本模板可以是用于填写节奏准确量和节奏标记序列的文本模板。例如，上述文本模板可以是：“您的节奏准确量为_分，您的节奏标记序列为_”。
[0101]
可选地，将上述节奏检测文本和上述音频检测文本发送至上述用户端以进行显示。
[0102]
在一些实施例中，上述执行主体可以将上述节奏检测文本和上述音频检测文本发送至上述用户端以进行显示。
[0103]
可选地中的相关内容作为本公开的一个发明点，解决了背景技术提及的技术问题二“通过老师确定用户弹奏的内容是否正确时，老师无法确定用户弹奏的每个音的节奏的快慢，导致用户需要对全曲内容进行反复练习，造成练习时间的浪费”。造成教学时间的浪费的因素往往如下：通过老师确定用户弹奏的内容是否正确时，老师无法确定用户弹奏的每个音的节奏的快慢，导致用户需要对全曲内容进行反复练习，造成练习时间的浪费。如果解决了上述因素，就能达到减少练习时间的浪费的效果。为了达到这一效果，首先，对于除最后一个分组音频信息序列之外的分组音频信息序列集中的每个分组音频信息序列，将目标分组音频信息序列所包括的第一个音频帧数与上述分组音频信息序列所包括的最后一个音频帧数的差确定为间隔时长；对于除最后一个标准分组音频信息序列之外的标准分组音频信息序列集中的每个标准分组音频信息序列，将目标标准分组音频信息序列所包括的第一个标准音频帧数与上述标准分组音频信息序列所包括的最后一个标准音频帧数的差确定为标准间隔时长。由此，为确定节奏准确权值提供了数据支持。其次，对于所确定的各个间隔时长中的每个间隔时长，将上述间隔时长与上述间隔时长对应的标准间隔时长的比值确定为节奏准确权值。由此，可以从确定的各个节奏准确权值中选取出众数，并根据众数生成标准节奏值范围。然后，将所确定的各个节奏准确权值中的众数确定为标准节奏值；根
据上述标准节奏值，生成标准节奏值范围。由此，可以确定用户弹奏的节奏的快慢程度。之后，对于所确定的各个节奏准确权值中的每个节奏准确权值，执行如下处理步骤：第一，确定上述节奏准确权值是否在上述标准节奏值范围内。由此，可以根据确定的结果生成对应的标记。第二，响应于确定上述节奏准确权值在上述标准节奏值范围内，生成对应上述节奏准确权值的准确节奏标记；响应于确定上述节奏准确权值小于上述标准节奏值范围包括的各个标准节奏值中的最小值，生成对应上述节奏准确权值的快速节奏标记；响应于确定上述节奏准确权值大于上述标准节奏值范围包括的各个标准节奏值中的最大值，生成对应上述节奏准确权值的缓慢节奏标记。由此，可以根据生成的各个标记确定用户弹奏的节奏的快慢，为生成节奏准确量提供了数据支持。再之后，将所生成的各个准确节奏标记包括的准确节奏标记的数量与上述音频信息序列集包括的音频信息的数量的比值确定为节奏准确量。由此，便于生成节奏检测文本。最后，根据上述节奏准确量、所生成的各个快速节奏标记、所生成的各个准确节奏标记和所生成的各个缓慢节奏标记，生成节奏检测文本；将上述节奏检测文本和上述音频检测文本发送至上述用户端以进行显示。由此，确定了用户弹奏的节奏内容的快慢程度。也因为，确定了用户弹奏的节奏内容的快慢程度，可以使用户针对弹奏节奏不准确的内容进行练习，减少了练习时间的浪费。
[0104]
本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的音频处理方法，减少了教学时间的浪费。具体来说，造成教学时间的浪费的原因在于：通过老师确定用户弹奏的内容是否正确时，老师容易遗漏弹奏出错的内容，因此需要反复播放用户弹奏的内容，以找到每个弹奏出错的内容，造成教学时间的浪费。基于此，本公开的一些实施例的音频处理方法，首先，响应于接收到用户端发送的音频，对上述音频进行格式转换处理，以生成转换音频。由此，可以将音频格式转换为可以适用音频信息提取模型的音频格式。其次，将上述转换音频输入至预先训练的音频信息提取模型中，得到音频信息序列。由此，可以将各个音频信息进行分组，便于与标准音频信息序列集进行匹配。然后，根据上述音频信息序列包括的各个音频帧数，将上述音频信息序列中的各个音频信息进行分组处理，得到分组音频信息序列集；将上述分组音频信息序列集与标准音频信息序列集进行匹配处理，得到标准分组音频信息序列集。由此，将用户弹奏的每个分组音频信息序列与标准音频信息序列集进行匹配，便于确定每个分组音频信息序列是否与对应的标准音频信息序列相匹配，从而减少了教学时间的浪费。最后，根据上述分组音频信息序列集和上述标准分组音频信息序列集，生成音频检测文本。由此，可以将用户弹奏的情况显示在音频检测文本，完成了对用户弹奏的内容的正确性的确定。从而，减少了教学时间的浪费。
[0105]
进一步参考图3，作为对上述各图所示方法的实现，本公开提供了一种音频处理装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0106]
如图3所示，一些实施例的音频处理装置300包括：转换处理单元301、输入单元302、分组处理单元303、匹配处理单元304和生成单元305。其中，转换处理单元301被配置成响应于接收到用户端发送的音频，对上述音频进行格式转换处理，以生成转换音频；输入单元302被配置成将上述转换音频输入至预先训练的音频信息提取模型中，得到音频信息序列，其中，上述音频信息序列中的音频信息包括音频帧数；分组处理单元303被配置成根据上述音频信息序列包括的各个音频帧数，将上述音频信息序列中的各个音频信息进行分组
处理，得到分组音频信息序列集，其中，上述分组音频信息序列集中的各个分组音频信息序列根据所包括的各个音频帧数排列；匹配处理单元304被配置成将上述分组音频信息序列集与标准音频信息序列集进行匹配处理，得到标准分组音频信息序列集，其中，上述标准分组音频信息序列集包括的标准分组音频信息序列的数量等于上述分组音频信息序列集包括的分组音频信息序列的数量；生成单元305被配置成根据上述分组音频信息序列集和上述标准分组音频信息序列集，生成音频检测文本。
[0107]
可以理解的是，该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。
[0108]
下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备(如图1所示的计算设备101)400的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
[0109]
如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(rom)402中的程序或者从存储装置408加载到随机访问存储器(ram)403中的程序而执行各种适当的动作和处理。在ram 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
[0110]
通常，以下装置可以连接至i/o接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置404；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0111]
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从rom 402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。
[0112]
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中
或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0113]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0114]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于接收到用户端发送的音频，对上述音频进行格式转换处理，以生成转换音频。将上述转换音频输入至预先训练的音频信息提取模型中，得到音频信息序列，其中，上述音频信息序列中的音频信息包括音频帧数。根据上述音频信息序列包括的各个音频帧数，将上述音频信息序列中的各个音频信息进行分组处理，得到分组音频信息序列集，其中，上述分组音频信息序列集中的各个分组音频信息序列根据所包括的各个音频帧数排列。将上述分组音频信息序列集与标准音频信息序列集进行匹配处理，得到标准分组音频信息序列集，其中，上述标准分组音频信息序列集包括的标准分组音频信息序列的数量等于上述分组音频信息序列集包括的分组音频信息序列的数量。根据上述分组音频信息序列集和上述标准分组音频信息序列集，生成音频检测文本。
[0115]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0116]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0117]
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括转换处理单元、输入单元、分组处理单元、匹配处理单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，转换处理单元还可以被描述为“响应于接收到用户端发送的音频，对上述音频进行格式转换处理，以生成转换音频的单元”。
[0118]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0119]
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。