音频处理方法及装置、电子设备、计算机可读存储介质与流程

1.本公开涉及音视频处理领域，尤其涉及一种音频处理方法及装置、电子设备、计算机可读存储介质。


背景技术：

2.修音主要指通过对采集的音频中人声进行音高的修正，使得处理后的人声相比处理前的人声音高更加准确，同时还可以掩蔽掉一部分演唱瑕疵，如破音、气息不稳、跑调等。
3.目前一些音频处理软件可以对音频进行自动修音。自动修音强烈依赖乐器数字接口(musical instrument digital interface，midi)参考信息，一般是基于midi参考信息中与音频的每一信号帧对应的参考音高，对音频的每一信号帧的音高进行修音处理，以得到修音后的音频，而在不存在与需要修音的音频对应的midi参考信息的情况下，很难得到准确的修音结果。


技术实现要素：

4.本公开提供一种音频处理方法及装置、电子设备、计算机可读存储介质，以至少解决相关技术修音不准确的问题。
5.根据本公开实施例的第一方面，提供一种音频处理方法，包括：基于待处理音频中的人声信号中每个信号帧的基频，确定人声信号中每个音符的音高界限；根据每个音高界限内的信号帧的频率，确定每个音高界限的初始音高；根据与待处理音频对应的原始音频的音阶音高，确定每个音高界限的目标音高；基于每个音高界限的目标音高与初始音高的关系，分别对每个音高界限内的信号帧进行修音处理，得到目标音频。
6.可选地，基于待处理音频中的人声信号中的每个信号帧的基频，确定人声信号中每个音符的音高界限，包括：确定待处理音频中的人声信号中基频变化大于第一预设值的至少两个信号帧对，其中，每个信号帧对包括待处理音频中的人声信号中前后两个相邻的信号帧；基于至少两个信号帧对所在的时间，确定人声信号中每个音符的音高界限。
7.可选地，确定待处理音频中的人声信号中基频变化大于预设值的至少两个信号帧对，包括：针对待处理音频中的人声信号中的每个信号帧，对当前信号帧的基频与当前信号帧的上一个信号帧的基频做差分处理，得到当前信号帧的差分处理结果；将差分处理结果中大于第一预设值的当前信号帧和当前信号帧的上一个信号帧作为至少两个信号帧对中的一个信号帧对。
8.可选地，根据与待处理音频对应的原始音频的音阶音高，确定每个音高界限的目标音高，包括：获取与待处理音频对应的原始音频的音阶音高；在音阶音高中选择与每个音高界限的初始音高的差异度小于第二预设值的音阶音高，确定为每个音高界限的目标音高。
9.可选地，获取与待处理音频对应的原始音频的音阶音高，包括：从服务器中获取与待处理音频对应的原始音频的调性信息；基于调性信息，获取原始音频的音阶音高。
10.可选地，根据每个音高界限内的信号帧的频率，确定每个音高界限的初始音高，包括：获取每个音高界限内的所有信号帧的频率的平均值，作为每个音高界限的频率；将每个音高界限的频率转换为每个音高界限的初始音高。
11.可选地，基于每个音高界限的目标音高与初始音高的关系，分别对每个音高界限内的信号帧进行修音处理，得到目标音频，包括：确定每个音高界限的目标音高与初始音高的变化率；将每个音高界限中所有信号帧的音高按每个音高界限的变化率进行修音处理，得到目标音频。
12.根据本公开实施例的第二方面，提供一种音频处理装置，包括：音高界限确定单元，被配置为基于待处理音频中的人声信号中每个信号帧的基频，确定人声信号中每个音符的音高界限；初始音高确定单元，被配置为根据每个音高界限内的信号帧的频率，确定每个音高界限的初始音高；目标音高确定单元，被配置为根据与待处理音频对应的原始音频的音阶音高，确定每个音高界限的目标音高；处理单元，被配置为基于每个音高界限的目标音高与初始音高的关系，分别对每个音高界限内的信号帧进行修音处理，得到目标音频。
13.可选地，音高界限确定单元，还被配置为确定待处理音频中的人声信号中基频变化大于第一预设值的至少两个信号帧对，其中，每个信号帧对包括待处理音频中的人声信号中前后两个相邻的信号帧；基于至少两个信号帧对所在的时间，确定人声信号中每个音符的音高界限。
14.可选地，音高界限确定单元，还被配置为针对待处理音频中的人声信号中的每个信号帧，对当前信号帧的基频与当前信号帧的上一个信号帧的基频做差分处理，得到当前信号帧的差分处理结果；将差分处理结果中大于第一预设值的当前信号帧和当前信号帧的上一个信号帧作为至少两个信号帧对中的一个信号帧对。
15.可选地，目标音高确定单元，还被配置为获取与待处理音频对应的原始音频的音阶音高；在音阶音高中选择与每个音高界限的初始音高的差异度小于第二预设值的音阶音高，确定为每个音高界限的目标音高。
16.可选地，目标音高确定单元，还被配置为从服务器中获取与待处理音频对应的原始音频的调性信息；基于调性信息，获取原始音频的音阶音高。
17.可选地，初始音高确定单元，还被配置为获取每个音高界限内的所有信号帧的频率的平均值，作为每个音高界限的频率；将每个音高界限的频率转换为每个音高界限的初始音高。
18.可选地，处理单元，还被配置为确定每个音高界限的目标音高与初始音高的变化率；将每个音高界限中所有信号帧的音高按每个音高界限的变化率进行修音处理，得到目标音频。
19.根据本公开实施例的第三方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行指令，以实现根据本公开的音频处理方法。
20.根据本公开实施例的第四方面，提供了一种计算机可读存储介质，当计算机可读存储介质中的指令被至少一个处理器运行时，促使至少一个处理器执行如上根据本公开的音频处理方法。
21.根据本公开实施例的第五方面，提供了一种计算机程序产品，包括计算机指令，计
算机指令被处理器执行时实现根据本公开的音频处理方法。
22.本公开的实施例提供的技术方案至少带来以下有益效果：
23.相对于相关技术为每个信号帧均设置目标音高，将每个信号帧单独调整，本公开的音频处理方法及装置、电子设备、计算机可读存储介质，基于音符的音高界限为单位确定目标音高，也即本公开是以音高界限为单位对信号帧进行调整，从而可以大大改善电音效果里修音痕迹，保证了人声原有的抖动，使得修音更自然，而且本公开无需midi参考信息，也进一步提高了在不存在与需要修音的音频对应的midi参考信息时的修音结果的准确性。
24.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
25.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
26.图1是示出根据本公开的示例性实施例的音频处理方法的实施场景示意图；
27.图2是根据一示例性实施例示出的一种音频处理方法的流程图；
28.图3是根据一示例性实施例示出的一段人声信号的音高的示意图；
29.图4是根据一示例性实施例示出的一种音频处理方法的系统架构图；
30.图5是根据一示例性实施例示出的一种音频处理装置的框图；
31.图6是根据本公开实施例的一种电子设备600的框图。
具体实施方式
32.为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
33.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
34.在此需要说明的是，在本公开中出现的“若干项之中的至少一项”均表示包含“该若干项中的任意一项”、“该若干项中的任意多项的组合”、“该若干项的全体”这三类并列的情况。例如“包括a和b之中的至少一个”即包括如下三种并列的情况：(1)包括a；(2)包括b；(3)包括a和b。又例如“执行步骤一和步骤二之中的至少一个”，即表示如下三种并列的情况：(1)执行步骤一；(2)执行步骤二；(3)执行步骤一和步骤二。
35.目前的自动修音功能强烈依赖于midi参考信号，当歌曲没有midi参考信号时无法解决自动修音的问题，另外，电音效果器虽然可以在一定程度上对人声音高进行修正，但是会带来很多不自然的处理痕迹，目前电音效果导致修音不自然的原因主要有以下两点：人声随着气流会有自然的音高抖动和强抖动以及音高与音高之间衔接过于紧密，导致出现快速的滑音效果。再有，随着k歌软件的出现，大众可以足不出户体验在家k歌，并把歌曲分享
到平台上让别人欣赏，然而并不是每一个用户都有专业歌手的唱功，因此会存在跑调，气息不稳导致音调漂移，颤音、破音等问题，然而对于缺少专业知识的用户而言，手动修音不太实际。
36.针对上述问题，本公开提供了一种音频处理方法，在保证人声自然度的同时，改善人声跑调、破音、气息不稳导致的颤音等问题。下面以对录制的改编歌曲a进行修音的场景为例进行说明。
37.图1是示出根据本公开的示例性实施例的音频处理方法的实施场景示意图，如图1所述，该实施场景包括服务器100、用户终端110和用户终端120，其中，用户终端不限于2个，包括并不限于手机、个人计算机等设备，用户终端可以安装用于录制声音的应用程序，服务器可以是一个服务器，也可以是若干个服务器组成服务器集群，还可以是云计算平台或虚拟化中心。
38.用户终端110或用户终端120录制演唱者演唱的改编歌曲a，并将录制的改编歌曲a上传服务器100，服务器100基于改编歌曲a中的人声信号中的每个信号帧的基频，确定人声信号中每个音符的音高界限；根据每个音高界限内的信号帧的频率，确定每个音高界限的初始音高；根据与改编歌曲a对应的原始歌曲a的音阶音高，确定每个音高界限的目标音高；基于每个音高界限的目标音高与初始音高的关系，分别对每个音高界限内的信号帧进行修音处理，得到目标音频。在改编歌曲a中的人声信号的每个信号帧均被处理后，即得到修正后的改编歌曲a。
39.下面，将参照附图详细描述根据本公开的示例性实施例的音频处理方法及装置。
40.图2是根据一示例性实施例示出的一种音频处理方法的流程图，如图2所示，音频处理方法包括以下步骤：
41.在步骤s201中，基于待处理音频中的人声信号中的每个信号帧的基频，确定人声信号中每个音符的音高界限。
42.具体地，以待处理音频为录制的音频为例，在确定人声信号中每个音符的音高界限(pitch boundary)前，需要获取录制的音频中的人声信号中的每个信号帧的基频。获取基频可以采用阴(yin)算法，yin算法的基本原理是寻找波形的最小正周期，即寻找信号平移多少后与原信号的重合度最高。需要说明的是，获取基频还可以采用锯齿波启发音高估计器(sawtooth wave inspired pitch estimator，缩写为swipe)算法、音高估计的卷积表示(convolutional representation for pitch estimation，缩写为crepe)算法等，本公开对此并不进行限定。
43.下面以yin算法获取基频为例进行说明。
44.首先，将原始人声信号按平移量τ进行平移，得到平移后的信号，然后将平移后的信号与原始人声信号相减，对于相减的结果，可以求平方再积分：
[0045][0046]
上述公式叫做差函数(difference function)，其中，xi是原始人声信号，x
i-τ
是人声信号按平移量τ进行平移后的信号，w是人声信号一帧内的采样点数，差函数的谷值对应的平移量τ，可以代表在t时刻的周期。而为了避开干扰，在差函数的基础上，定义了一种累
积均值归一化差函数(cumulative mean normalized difference function，缩写为cmndf)：
[0047][0048]
这相当于说，把差函数在τ处的值，用差函数在τ左边的平均值去归一化，其中，dt(τ)_根据上述公式(1)确定。通常累积均值归一化差函数最深的第一谷所在的时间作为周期p，但是由于信号周期并不理想，yin算法会对每一个信号帧挑选多个谷作为候选，并用隐马尔科夫模型(hidden markov model，缩写为hmm)建模基频的转移规律，使得基音轨迹尽可能平滑，并消除个别帧产生的倍频或半频错误，最后，可以通过周期p与采样率fs的关系得到此段波形的频率，也即基频：
[0049][0050]
为了得到整段人声的基频序列，可以将人声分帧检测基频，人声的基频范围在通常70赫兹(hz)到1400赫兹(hz)以内，在此范围之外的频率都看作是噪声。
[0051]
根据本公开的示例性实施例，基于待处理音频中的人声信号中的每个信号帧的基频，确定人声信号中每个音符的音高界限，可以通过如下方式实现：确定待处理音频中的人声信号中基频变化大于第一预设值的至少两个信号帧对，其中，每个信号帧对包括待处理音频中的人声信号中前后两个相邻的信号帧；基于至少两个信号帧对所在的时间，确定人声信号中每个音符的音高界限。上述第一预设值可以根据用户需求设定，本公开对此并不进行限定。因为两个音符之间的基频相差较大，所以将人声信号中基频变化过大的地方作为音符的音高界限的分界点，可以获取到相对准确的音高界限。
[0052]
例如，在检测得到基频序列之后，可以基于基频序列寻找音高界限，由于人声主旋律是由一个个音高note(也即上述实施例中的音符)构成，而每个音符都有一定的持续时间，因此，人声信号中每个音符的边界即音高界限，在这个范围之内人声的音高相对稳定，如图3所示，绿色的线代表实际人声音高，每个红色的方块代表了一个音符的音高界限。对每个音高界限内的信号帧分批进行音高修正，既能保证人声的正常抖动，也能保证听感上音高的准确。本公开可以基于人声信号中基频变化过大的相邻两个信号所在的时间作为音高界限的分界点，例如，可以将前一个信号帧所在的时间作为分界点，也可以将后一个信号帧所在的时间作为分界点，还可以将两个信号帧所在的时间的中间点作为分界点，对此本公开并不进行限定。
[0053]
根据本公开的示例性实施例，可以通过如下方式确定待处理音频中的人声信号中基频变化大于预设值的至少两个信号帧对：针对待处理音频中的人声信号中的每个信号帧，对当前信号帧的基频与当前信号帧的上一个信号帧的基频做差分处理，得到当前信号帧的差分处理结果；将差分处理结果中大于第一预设值的当前信号帧和当前信号帧的上一个信号帧作为至少两个信号帧对中的一个信号帧对。根据本实施例，通过对信号帧的差分处理，可以快速、准确的找到基频发生了较大变化的两个相邻信号帧。
[0054]
具体地，可以通过如下方式确定所述人声信号中每个音符的音高界限，首先，对检测出来的基频fn进行一阶差分，需要说明的是，本公开并不局限于一阶差分：
[0055]
[0056]
检测的值，其中，fn是当前信号帧，f
n-1
是当前信号帧的上一个信号帧，当超过第一预设值时，确定基频变化很大，也即此时音符发生了变化，则将超过第一预设值的所在的时间(例如当前信号帧所在的时间或上一个信号帧所在的时间)作为音高界限的分界点，为了加速判断过程，可以直接检测的各个峰值(peak)，将检测大于第一预设值的峰值所在的时间作为音高界限的分界点。
[0057][0058]
上式中，pb为检测得到的音高界限。
[0059]
返回图2，在步骤s202中，根据每个音高界限内的信号帧的频率，确定每个音高界限的初始音高。
[0060]
根据本公开的示例性实施例，可以获取每个音高界限内的所有信号帧的频率的平均值，作为每个音高界限的频率；将每个音高界限的频率转换为每个音高界限的初始音高。根据本实施例，基于所有信号帧的频率的平均值来确定每个所述音高界限的频率，并转换获取音高界限的音高，可以加快获取音高界限的音高的速度且降低了获取音高界限的音高的难度。
[0061]
需要说明的是，还可以获取当前音高界限内的所有信号帧的频率的中间值，作为当前音高界限的频率，当然也可以是其他方式，对此本公开并不进行限定。
[0062]
例如，在得到音高界限后，可以将每个音高界限里的频率的平均值作为相应音高界限的频率f。在得到频率f后，可以将每个频率f转化为midi音高，也即音高界限的音高，转换公式如下：
[0063]
m＝69 12
×
log2(f/440)
ꢀꢀ
(6)
[0064]
返回图2，在步骤s203中，根据与待处理音频对应的原始音频的音阶音高，确定每个音高界限的目标音高。
[0065]
根据本公开的示例性实施例，可以获取与待处理音频对应的原始音频的音阶音高；在音阶音高中选择与每个音高界限的初始音高的差异度小于第二预设值的音阶音高，确定为每个音高界限的目标音高。根据本实施例，选择差异度较小的音阶音高作为音高界限的目标音高，可以最大限度确保目标音高的准确性。
[0066]
例如，差异度可以采用差值，为了更方便，还可以采用差值绝对值，对此本公开并不进行限定。以差异度采用差值绝对值为例，可以将原始音频的多个音阶音高中与每个音高的差值绝对值最小的音高，作为每个音高界限的目标音高。
[0067]
根据本公开的示例性实施例，获取与待处理音频对应的原始音频的音阶音高，可以包括：从服务器中获取与待处理音频对应的原始音频的调性信息；基于调性信息，获取原始音频的音阶音高。根据本实施例，通过调性信息可以获取到相对准确的音阶音高。
[0068]
例如，以待处理音频为录制的音频为例，在基于录制的音频的原始音频对应的音阶的音高，确定当前音高界限的目标音高之前，还可以基于录制的音频对应的原始音频的调性信息和/或调式信息，获取原始音频对应的音阶音高。具体地，可以从服务端获得原始音频的调性信息，调性(tonality)简单的讲就是24个大小调，一个八度中十二个音各自能成为一个调的主音，如此将得到十二个大调与十二个小调，总共便是所称的二十四个大小调。每个调性都有其固定音阶，如c自然大调的音阶排列为：c、d、e、f、g、a、b，a自然小调的音
阶排列为a、b、c、d、e、f、g，a自然小调与c自然大调的包含的音一致。将对应音阶在c1到c6的midi音高，作为参考音高，与得到的人声信号的音高界限的初始音高进行对比，找出参考音高中与每个音高界限的初始音高最临近的音高作为每个音高界限的目标音高。
[0069]
返回图2，在步骤s203中，基于每个音高界限的目标音高与初始音高的关系，分别对每个音高界限内的信号帧进行修音处理，得到目标音频。
[0070]
根据本公开的示例性实施例，可以先确定每个音高界限的目标音高与初始音高的变化率；将每个音高界限中所有信号帧的音高按每个音高界限的变化率进行修音处理，得到目标音频。根据本实施例，将信号帧以音高界限为单位进行调整，可以大大改善电音效果里修音痕迹，保证了人声原有的抖动增加了修音的自然度。
[0071]
例如，变化率可以是目标音高与初始音高的频率之比，也可以是目标音高与初始音高之比，还可以是目标音高与初始音高的差值，对此本公开并不进行限定。下面以变化率为音高的频率比值为例进行说明，在计算得到目标音高与初始音高的频率之比后，再根据得到的比值关系，对人声信号进行处理，具体地，将音高界限内的每一个信号帧的音高均按上述确定的同一比值(ratio)进行调整，从而将人声信号中的频率移动到目标频率上得到音高偏移后的人声信号。一种优选的方式是可以通过相位声码器或者基音同步叠加算法(pitch synchronous overlap add，缩写为psola)来实现变调不变速的处理，当然也可以采用其他方式，对此本公开并不进行限定。例如，上述比值可以如下：
[0072][0073]
其中，n为帧数的索引，boundary_frequency(n)是初始音高，target_frequency(n)是目标音高。
[0074]
图4是根据一示例性实施例示出的一种音频处理方法的系统架构图，仍以待处理音频为演唱的改编歌曲a为例，如图4所示，首先将改编歌曲a(即图4中的音频)中人声信号通基频检测算法得到人声信号的音高，以及随时间变化的人声频率序列；其次，在得到人声频率序列后，根据频率进行音高界限的检测；再次，计算每个音高界限里所有信号帧的平均频率作为此音高界限的初始频率，并将其转变成对应初始音高。再从服务端获取原始歌曲a的调式和调性，确定该歌曲对应的音阶的音高，寻找该音阶的音高里与每个音高界限的音高最临近的音高作为目标音高；然后计算目标音高的频率与初始音高的频率的比值，再根据比值用基音同步叠加算法(pitch synchronous overlap add，缩写为psola)等方式调整人声信号的音高，得到调音后的改编歌曲a，也即图4中的目标音频，实现自然效果的修音。基于音符的音高界限为单位确定目标音高，而不是每个信号帧为单位确定目标音高，也即本公开是以音高界限为单位对信号帧进行调整，而不是将每个信号帧单独调整，因此人声在每个音高界限里的抖动得以保留，修音效果比对每一个信号帧单独进行处理要自然许多。
[0075]
综上，本公开从服务端下发的不同的歌曲的调性获取不同的目标音高，并结合演唱者演唱的结果，无需参考midi即可实时的调整人声信号的音高，而且，为了保证人声的真实度和自然度，还选择检测音高界限，以每个音高界限为单位对信号帧进行音高调整，而不是将每一个信号帧都进行绝对校准，可以大大改善电音效果里修音痕迹，保证了人声原有的抖动增加了修音的自然度，并改善了跑调、破音、气息不稳等声音瑕疵，也可兼容具有音
乐素养的人对歌曲进行改编的结果。
[0076]
图5是根据一示例性实施例示出的一种音频处理装置的框图。参照图5，该装置包括：
[0077]
音高界限确定单元50，被配置为基于待处理音频中的人声信号中每个信号帧的基频，确定人声信号中每个音符的音高界限；初始音高确定单元52，被配置为根据每个音高界限内的信号帧的频率，确定每个音高界限的初始音高；目标音高确定单元54，被配置为根据与待处理音频对应的原始音频的音阶音高，确定每个音高界限的目标音高；处理单元56，被配置为基于每个音高界限的目标音高与初始音高的关系，分别对每个音高界限内的信号帧进行修音处理，得到目标音频。
[0078]
根据本公开的实施例，音高界限确定单元50，还被配置为确定待处理音频中的人声信号中基频变化大于第一预设值的至少两个信号帧对，其中，每个信号帧对包括待处理音频中的人声信号中前后两个相邻的信号帧；基于至少两个信号帧对所在的时间，确定人声信号中每个音符的音高界限。
[0079]
根据本公开的实施例，音高界限确定单元50，还被配置为针对待处理音频中的人声信号中的每个信号帧，对当前信号帧的基频与当前信号帧的上一个信号帧的基频做差分处理，得到当前信号帧的差分处理结果；将差分处理结果中大于第一预设值的当前信号帧和当前信号帧的上一个信号帧作为至少两个信号帧对中的一个信号帧对。
[0080]
根据本公开的实施例，目标音高确定单元54，还被配置为获取与待处理音频对应的原始音频的音阶音高；在音阶音高中选择与每个音高界限的初始音高的差异度小于第二预设值的音阶音高，确定为每个音高界限的目标音高。
[0081]
根据本公开的实施例，目标音高确定单元54，还被配置为从服务器中获取与待处理音频对应的原始音频的调性信息；基于调性信息，获取原始音频的音阶音高。
[0082]
根据本公开的实施例，初始音高确定单元52，还被配置为获取每个音高界限内的所有信号帧的频率的平均值，作为每个音高界限的频率；将每个音高界限的频率转换为每个音高界限的初始音高
[0083]
根据本公开的实施例，处理单元56，还被配置为确定每个音高界限的目标音高与初始音高的变化率；将每个音高界限中所有信号帧的音高按每个音高界限的变化率进行修音处理，得到目标音频。
[0084]
根据本公开的实施例，可提供一种电子设备。图6是根据本公开实施例的一种电子设备600的框图，该电子设备包括至少一个存储器601和至少一个处理器602，所述至少一个存储器中存储有计算机可执行指令集合，当计算机可执行指令集合被至少一个处理器执行时，执行根据本公开实施例的音频处理方法。
[0085]
作为示例，电子设备600可以是pc计算机、平板装置、个人数字助理、智能手机、或其他能够执行上述指令集合的装置。这里，电子设备1000并非必须是单个的电子设备，还可以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。电子设备600还可以是集成控制系统或系统管理器的一部分，或者可被配置为与本地或远程(例如，经由无线传输)以接口互联的便携式电子设备。
[0086]
在电子设备600中，处理器602可包括中央处理器(cpu)、图形处理器(gpu)、可编程逻辑装置、专用处理器系统、微控制器或微处理器。作为示例而非限制，处理器602还可包括
模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。
[0087]
处理器602可运行存储在存储器中的指令或代码，其中，存储器601还可以存储数据。指令和数据还可经由网络接口装置而通过网络被发送和接收，其中，网络接口装置可采用任何已知的传输协议。
[0088]
存储器601可与处理器602集成为一体，例如，将ram或闪存布置在集成电路微处理器等之内。此外，存储器601可包括独立的装置，诸如，外部盘驱动、存储阵列或任何数据库系统可使用的其他存储装置。存储器601和处理器602可在操作上进行耦合，或者可例如通过i/o端口、网络连接等互相通信，使得处理器602能够读取存储在存储器601中的文件。
[0089]
此外，电子设备600还可包括视频显示器(诸如，液晶显示器)和用户交互接口(诸如，键盘、鼠标、触摸输入装置等)。电子设备的所有组件可经由总线和/或网络而彼此连接。
[0090]
根据本公开的实施例，还可提供一种计算机可读存储介质，其中，当计算机可读存储介质中的指令被至少一个处理器运行时，促使至少一个处理器执行本公开实施例的音频处理方法。这里的计算机可读存储介质的示例包括：只读存储器(rom)、随机存取可编程只读存储器(prom)、电可擦除可编程只读存储器(eeprom)、随机存取存储器(ram)、动态随机存取存储器(dram)、静态随机存取存储器(sram)、闪存、非易失性存储器、cd-rom、cd-r、cd r、cd-rw、cd rw、dvd-rom、dvd-r、dvd r、dvd-rw、dvd rw、dvd-ram、bd-rom、bd-r、bd-r lth、bd-re、蓝光或光盘存储器、硬盘驱动器(hdd)、固态硬盘(ssd)、卡式存储器(诸如，多媒体卡、安全数字(sd)卡或极速数字(xd)卡)、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及任何其他装置，所述任何其他装置被配置为以非暂时性方式存储计算机程序以及任何相关联的数据、数据文件和数据结构并将所述计算机程序以及任何相关联的数据、数据文件和数据结构提供给处理器或计算机使得处理器或计算机能执行所述计算机程序。上述计算机可读存储介质中的计算机程序可在诸如客户端、主机、代理装置、服务器等计算机设备中部署的环境中运行，此外，在一个示例中，计算机程序以及任何相关联的数据、数据文件和数据结构分布在联网的计算机系统上，使得计算机程序以及任何相关联的数据、数据文件和数据结构通过一个或多个处理器或计算机以分布式方式存储、访问和执行。
[0091]
根据本公开实施例，提供了一种计算机程序产品，包括计算机指令，计算机指令被处理器执行时实现本公开实施例的音频处理方法。
[0092]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0093]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。