CN109285568A - 用于生成音频文件的方法和装置 - Google Patents

用于生成音频文件的方法和装置 Download PDF

Info

Publication number
CN109285568A
CN109285568A CN201811191811.9A CN201811191811A CN109285568A CN 109285568 A CN109285568 A CN 109285568A CN 201811191811 A CN201811191811 A CN 201811191811A CN 109285568 A CN109285568 A CN 109285568A
Authority
CN
China
Prior art keywords
audio data
audio
content
audio file
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811191811.9A
Other languages
English (en)
Inventor
曹俊跃
熊吉普
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Microlive Vision Technology Co Ltd
Original Assignee
Beijing Microlive Vision Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Microlive Vision Technology Co Ltd filed Critical Beijing Microlive Vision Technology Co Ltd
Priority to CN201811191811.9A priority Critical patent/CN109285568A/zh
Publication of CN109285568A publication Critical patent/CN109285568A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10—Digital recording or reproducing
    • G11B20/10527—Audio or video recording; Data buffering arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/16—Vocoder architecture
    • G10L19/167—Audio streaming, i.e. formatting and decoding of an encoded audio signal representation into a data stream for transmission or storage purposes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
    • H04M1/7243—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages
    • H04M1/72433—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages for voice messaging, e.g. dictaphones
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10—Digital recording or reproducing
    • G11B20/10527—Audio or video recording; Data buffering arrangements
    • G11B2020/10537—Audio or video recording
    • G11B2020/10546—Audio or video recording specifically adapted for audio data

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开的实施例公开了用于生成音频文件的方法和装置。该方法的一具体实施方式包括：获取第一音频文件，其中，第一音频文件中包括音频数据和音频信息；基于音频信息，对音频数据进行处理，得到目标音频数据；将目标音频数据转换成模拟数据以进行播放；响应于确定播放完毕，对所连接的麦克风采集到的音频数据和目标音频数据进行处理，生成第二音频文件。该实施方式提供了音频文件的生成方法。

Description

用于生成音频文件的方法和装置
技术领域
本公开的实施例涉及计算机技术领域，具体涉及用于生成音频文件的方法和装置。
背景技术
目前，市场上有各种各样的唱歌应用(Application，APP)。一般，这些唱歌应用允许用户录制各种歌曲，以及在录制歌曲的过程中进行个性化的设置。
发明内容
本公开的实施例提出了用于生成音频文件的方法和装置。
第一方面，本公开的实施例提供了一种用于生成音频文件的方法，该方法包括：获取第一音频文件，其中，第一音频文件中包括音频数据和音频信息；基于音频信息，对音频数据进行处理，得到目标音频数据；将目标音频数据转换成模拟数据以进行播放；响应于确定播放完毕，对所连接的麦克风采集到的音频数据和目标音频数据进行处理，生成第二音频文件。
在一些实施例中，音频信息包括表征音频数据的编码方式的编码信息；以及基于音频信息，对音频数据进行处理，得到目标音频数据，包括：基于编码信息，对音频数据进行解码；对解码后的音频数据进行截取，得到目标音频数据。
在一些实施例中，在将目标音频数据转换成模拟数据以进行播放之前，该方法还包括：获取与第一音频文件对应的文本；展示文本中的满足预设条件的内容。
在一些实施例中，文本中包括时间标识信息；以及在将目标音频数据转换成模拟数据以进行播放之后，该方法还包括：基于时间标识信息，将文本中的满足预设条件的内容之外的内容划分成待展示内容序列；对于待展示内容序列中的待展示内容，基于该待展示内容更新当前展示的内容。
在一些实施例中，该方法还包括以下至少一项：调节目标音频数据的幅值；调节目标音频数据的频率值。
在一些实施例中，将目标音频数据转换成模拟数据以进行播放，包括：响应于确定已连接耳机，基于目标音频数据和所连接的麦克风采集到的音频数据，进行播放。
在一些实施例中，在将目标音频数据转换成模拟数据以进行播放之前，该方法还包括：显示所连接的摄像头拍摄到的画面；对拍摄到的画面进行处理。
在一些实施例中，对拍摄到的画面进行处理，包括：确定拍摄到的画面中是否包括人脸区域；响应于确定拍摄到的画面中包括人脸区域，对拍摄到的画面中所包括的人脸区域进行处理。
第二方面，本公开的实施例提供了一种用于生成音频文件的装置，该装置包括：第一获取单元，被配置成获取第一音频文件，其中，第一音频文件中包括音频数据和音频信息；第一处理单元，被配置成基于音频信息，对音频数据进行处理，得到目标音频数据；转换单元，被配置成将目标音频数据转换成模拟数据以进行播放；生成单元，被配置成响应于确定播放完毕，对所连接的麦克风采集到的音频数据和目标音频数据进行处理，生成第二音频文件。
在一些实施例中，音频信息包括表征音频数据的编码方式的编码信息；以及第一处理单元进一步被配置成：基于编码信息，对音频数据进行解码；对解码后的音频数据进行截取，得到目标音频数据。
在一些实施例中，该装置还包括：第二获取单元，被配置成获取与第一音频文件对应的文本；展示单元，被配置成展示文本中的满足预设条件的内容。
在一些实施例中，文本中包括时间标识信息；以及该装置还包括：划分单元，被配置成基于时间标识信息，将文本中的满足预设条件的内容之外的内容划分成待展示内容序列；更新单元，被配置成对于待展示内容序列中的待展示内容，基于该待展示内容更新当前展示的内容。
在一些实施例中，该装置还包括以下至少一项：第一调节单元，被配置成调节目标音频数据的幅值；第二调节单元，被配置成调节目标音频数据的频率值。
在一些实施例中，转换单元进一步被配置成：响应于确定已连接耳机，基于目标音频数据和所连接的麦克风采集到的音频数据，进行播放。
在一些实施例中，该装置还包括：显示单元，被配置成显示所连接的摄像头拍摄到的画面；第二处理单元，被配置成对拍摄到的画面进行处理。
在一些实施例中，第二处理单元进一步被配置成：确定拍摄到的画面中是否包括人脸区域；响应于确定拍摄到的画面中包括人脸区域，对拍摄到的画面中所包括的人脸区域进行处理。
第三方面，本公开的实施例提供了一种终端设备，该终端设备包括：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如第一方面中任一实现方式描述的方法。
第四方面，本公开的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，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的用于生成音频文件的方法和装置，首先，可以获取第一音频文件，其中，第一音频文件中包括音频数据和音频信息。然后，可以基于音频信息，对音频数据进行处理。而后，可以将处理后的音频数据转换成模拟信号以进行播放。进一步，响应于播放完毕，可以对所连接的麦克风采集到的音频数据和上述处理后的数据再次进行处理，进而生成第二音频文件。该实施方式提供了音频文件的生成方法。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开的一个实施例可以应用于其中的示例性***架构图；
图2是根据本公开的用于生成音频文件的方法的一个实施例的流程图；
图3是根据本公开的实施例的用于生成音频文件的方法的一个应用场景的示意图；
图4是根据本公开的用于生成音频文件的方法的又一个实施例的流程图；
图5是根据本公开的用于生成音频文件的装置的一个实施例的结构示意图；
图6是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关公开，而非对该公开的限定。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公开相关的部分。
需要说明的是，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。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于生成音频文件的方法或用于生成音频文件的装置的示例性架构100。
如图1所示，***架构100可以包括终端设备101，网络102和服务器103。网络102用以在终端设备101和服务器103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、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101通过网络102与服务器103交互，以接收或发送消息等。终端设备101上可以安装有各种客户端应用，例如唱歌类应用、录音类应用、音频文件编辑类应用等。
终端设备101可以是硬件，也可以是软件。当终端设备101为硬件时，可以是具有显示屏并且支持音频文件编辑功能的各种电子设备。当终端设备101为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器103可以是提供各种服务的服务器，例如为终端设备101所安装的音频文件编辑应用提供支持的服务器。作为示例，终端设备101可以从服务器103获取音频文件，然后，对音频文件包括的音频数据和所连接的麦克风采集到的音频数据进行处理，进而，生成新的音频文件。作为示例，终端设备101可以将生成的新的音频文件发送至服务器103以进行存储。
服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本公开的实施例所提供的用于生成音频文件的方法一般由终端设备101执行，相应地，用于生成音频文件的装置一般设置于终端设备101中。
应该理解，图1中的终端设备、网络和服务器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终端设备、网络和服务器。
继续参考图2，示出了根据本公开的用于生成音频文件的方法的一个实施例的流程200。该用于生成音频文件的方法包括以下步骤：
步骤201，获取第一音频文件。
在本实施例中，第一音频文件中可以包括音频数据和音频信息。其中，音频数据可以是对声波进行采样、量化和编码后所得到的数字化数据。音频信息可以是包括关于音频文件和音频数据的各种信息。例如，音频信息可以包括表征音频数据的采样频率、量化位数、编码方式等的信息。例如，音频信息还可以包括表征第一音频文件的封装格式、内存大小、声道数等的信息。
在本实施例中，用于生成音频文件的方法的执行主体(如图1所示的终端设备101)可以通过各种方法获取第一音频文件。作为示例，上述执行主体可以从通信连接的服务器获取第一音频文件(如图1所示的服务器103)。作为示例，上述执行主体还可以从本地获取第一音频文件。作为示例，上述执行主体还可以从所安装的其他应用(APP)获取第一音频文件。
步骤202，基于音频信息，对音频数据进行处理，得到目标音频数据。
在本实施例中，第一音频文件所包括的音频数据一般是经过编码后的音频数据。此处，目标音频数据通常是未经过编码的音频数据。实践中，上述执行主体可以通过各种方法得到目标音频数据。作为示例，上述执行主体可以通过如下步骤得到目标音频数据。首先，上述执行主体可以从音频信息中得到表征第一音频文件的封装格式的信息。然后，根据表征第一音频文件的封装格式的信息，读取第一音频文件所包括的音频数据。进一步，可以根据表征音频数据的编码方式的信息，对音频数据进行解码，得到目标音频数据。
在本实施例的一些可选的实现方式中，基于音频信息，对音频数据进行处理，得到目标音频数据，还可以包括：基于编码信息，对音频数据进行解码；对解码后的音频数据进行截取，得到目标音频数据。也就是说，上述执行主体可以从解码后的音频数据中截取部分音频数据作为目标音频数据。
在这些实现方式中，上述执行主体可以通过各种方式对解码后的音频数据进行截取。例如，可以截取解码后的音频数据的起始位和中间的任意一位之间的音频数据。例如，还可以截取解码后的音频数据的中间的任意两位之间的音频数据。
步骤203，将目标音频数据转换成模拟数据以进行播放。
在本实施例中，上述执行主体通常内置有将数字化的音频数据转换成模拟数据的接口。由此，上述执行主体可以调用这些接口，将目标音频数据转换成模拟数据。进一步，上述执行主体可以将转换后的模拟数据通过所连接的扬声器以人耳可以识别的声音信号的形式进行播放。
在本实施例的一些可选的实现方式中，在将目标音频数据转换成模拟数据以进行播放之前，上述执行主体还可以执行以下步骤：获取与第一音频文件对应的文本；展示文本中的满足预设条件的内容。
在这些实现方式中，与第一音频文件对应的文本通常是包括所播放的内容的文本。例如，若第一音频文件是某歌曲的伴奏的音频文件，那么，与第一音频文件对应的文本可以是包括该歌曲的歌词的文本。实践中，第一音频文件与对应的文本通常关联存储。由此，上述执行主体可以从通信连接的服务器获取与第一音频文件对应的文本。也可以从本地获取与第一音频文件对应的文本。还可以从所安装的其他应用(APP)获取与第一音频文件对应的文本。在获取到与第一音频文件对应的文本之后，上述执行主体可以将文本中满足预设条件的内容展示出来。此处，满足预设条件的内容可以是位于文本的前几行(例如前4行)的内容。实践中，文本中的内容可以通过各种符号(例如分号)划分成多个部分。由此，满足预设条件的内容还可以是位于文本的前几个(例如前4个)符号之前的内容。实践中，满足预设条件的内容通常是文本中的所播放的内容之外的内容。继续以第一音频文件是某歌曲的伴奏的音频文件为例，在这里，满足预设条件的内容可以是表征该歌曲的歌名、作词者、作曲者、歌手等的内容。
在本实施例的一些可选的实现方式中，与第一音频文件对应的文本中还可以包括时间标识信息(例如时间戳)。其中，时间标识信息可以是用于表示展示文本中的内容的时刻的任意信息。由此，在将目标音频数据转换成模拟数据以进行播放之后，上述执行主体还可以执行以下步骤：基于时间标识信息，将文本中的满足预设条件的内容之外的内容划分成待展示内容序列；对于待展示内容序列中的待展示内容，基于该待展示内容更新当前展示的内容。
在这些实现方式中，上述执行主体可以根据表征文本中的内容的展示时刻的时间标识信息，按照时间先后顺序，将文本中的满足预设条件的内容之外的内容划分成待展示内容序列。然后，上述执行主体可以按照时间标识信息所指示的时刻从待展示内容序列中选取待展示内容。进而，可以使用所选取的待展示内容更新当前展示的内容。例如，更新为当前展示的内容中的还未播放的内容和所选取的待展示内容。
在本实施例的一些可选的实现方式中，上述执行主体还可以执行以下至少一项：调节目标音频数据的幅值；调节目标音频数据的频率值。
在这些实现方式中，上述执行主体可以将目标音频数据的幅值乘以或者除以某个值，实现对播放音量的调节。另外，上述执行主体也可以通过调节目标音频数据的频率值，实现对播放音调的调节。例如，上述执行主体可以通过调用用于调节播放音调的接口(例如SoundTouch库所包括的各种接口)，实现对播放音调的调节。
在本实施例的一些可选的实现方式中，响应于确定已连接耳机，上述执行主体还可以基于目标音频数据和所连接的麦克风采集到的音频数据，进行播放。
在这些实现方式中，上述执行主体通常内置有监测当前播放方式的接口。因此，可以通过调用这些接口，确定当前是否连接耳机。若确定当前已连接耳机，上述执行主体可以通过各种方法进行播放。例如，上述执行主体可以采用现有的音频数据叠加算法(即音频混音算法)，将目标音频数据和麦克风采集到的音频数据进行叠加。然后，将叠加后的音频数据转换成模拟数据。进而，将转换后的模拟数据通过所连接的耳机以人耳可以识别的声音信号的形式进行播放。例如，上述执行主体还可以将目标音频数据和麦克风采集到的音频数据分别转换成模拟数据。然后，将转换后的模拟数据同时通过所连接的耳机以人耳可以识别的声音信号的形式进行播放。
步骤204，响应于确定播放完毕，对所连接的麦克风采集到的音频数据和目标音频数据进行处理，生成第二音频文件。
在本实施例中，麦克风采集到的音频数据可以是经过采样和量化后的数字音频数据。步骤203中提到的将数字音频数据转换成模拟数据的接口，通常可以实现上述执行主体对目标音频数据转换成模拟数据的状态和播放状态进行监测。由此，响应于确定播放完毕，上述执行主体可以对所连接的麦克风采集到的音频数据和目标音频数据进行处理。具体地，首先，上述执行主体可以将麦克风采集到的音频数据和目标音频数据进行叠加。在这里，可以通过现有的各种数字音频数据叠加的算法，将麦克风采集到的音频数据和目标音频数据进行叠加。然后，上述执行主体可以对叠加后的音频数据进行编码。进一步，上述执行主体可以将编码后的音频数据进行封装，生成第二音频文件。需要说明的是，编码后的音频数据的封装格式可以是任意的格式，在此不做具体限定。
继续参见图3，图3是根据本实施例的用于生成音频文件的方法的应用场景的一个示意图。在图3的应用场景中，以执行主体为智能手机301为例。其中，智能手机301安装有某录制歌曲应用，该录制歌曲应用的界面显示有表征每首歌曲的标识。首先，智能手机301可以根据用户所点击的界面中的标识，从通信连接的服务器选取所点击的标识所表征的歌曲的音频文件，即图中所示的第一音频文件302。其中，第一音频文件302中包括音频信息3021和音频数据3022。然后，智能手机301可以根据音频信息3021所包括的表征音频数据3022的编码方式的编码信息，对音频数据3022进行解码，得到目标音频数据303。进一步，智能手机301可以将目标音频数据303转换成模拟数据304，以及通过所连接的扬声器将模拟数据304以人耳可以识别的声音信号的形式进行播放。通常情况，扬声器播放的内容是歌曲的伴奏。由此，在播放开始后，用户可以根据所播放的伴奏唱歌，同时，所连接的麦克风可以对用户发出的声音进行采集。从而，在播放完毕之后，智能手机301可以将目标音频数据303和麦克风采集到的数据305进行处理，生成第二音频文件306。例如，智能手机301可以将目标音频数据303和麦克风采集到的数据305进行叠加。然后，对叠加后的音频数据进行编码、封装。而后，可以生成第二音频文件306。
本公开的上述实施例提供的方法可以首先获取第一音频文件。然后，通过第一音频文件所包括的音频信息，对音频数据进行解码，得到目标音频数据。进一步，可以将目标音频数据转换成模拟数据，以及通过所连接的扬声器进行播放。从而，在播放完毕之后，可以将麦克风采集到的音频数据和目标音频数据进行叠加、编码、封装等处理，生成第二音频文件。可以看出，该实施方式提供了音频文件的生成方法。
进一步参考图4，其示出了用于生成音频文件的方法的又一个实施例的流程400。该用于生成音频文件的方法的流程400，包括以下步骤：
步骤401，获取第一音频文件。
步骤402，基于音频信息，对音频数据进行处理，得到目标音频数据。
上述步骤401-402的具体处理及其所带来的技术效果可以参考图2对应的实施例中的步骤201-202，在此不再赘述。
步骤403，显示所连接的摄像头拍摄到的画面。
在本实施例中，用于生成音频文件的方法的执行主体(如图1所示的终端设备101)可以将所连接的摄像头拍摄到的画面显示出来。
步骤404，对拍摄到的画面进行处理。
在本实施例中，上述执行主体可以对显示的拍摄到的画面进行各种处理。由于，摄像头拍摄到的画面可以看作是由大量的有序的图像帧所组成。因此，上所执行主体可以通过对这些图像帧进行处理，实现对拍摄到的画面的处理。作为示例，对于每一帧图像，上述执行主体可以通过修改图像所包括的像素的颜色值，实现对所显示的画面的处理。例如，上述执行主体可以直接对图像所包括的像素的颜色值进行变换。其中，变换系数可以是预先设置好的。可以理解，可以通过设置不同的变换系数，实现不同的处理效果(滤镜效果)。例如，上述执行主体还可以将图像所包括的每个像素点的颜色值和透明度通过矩阵表示出来。然后，将颜色矩阵与上述矩阵相乘，得到新的颜色值和透明度。进一步，上述执行主体可以使用得到的新的颜色值和透明度对像素点的颜色值和透明度进行修改。可以理解，可以通过设置不同的颜色矩阵，实现不同的处理效果(滤镜效果)。需要说明的是，可以根据用户的不同操作，实现不同的处理效果(滤镜效果)。例如，某录制歌曲应用(APP)的界面显示有表征不同处理效果的标识，上述执行主体可以根据用户所点击的标识，对所拍摄到的画面添加相应的处理效果(滤镜效果)。
作为示例，对于每一帧图像，上述执行主体还可以使用各种滤波算法对图像进行处理，实现对拍摄到的画面的处理。例如，可以使用双边滤波、导向滤波、高斯滤波等算法对图像进行处理。需要说明的是，可以通过设置不同的参数，实现不同的处理效果。实践中，可以根据用户的不同操作，实现不同的处理效果。
在本实施例的一些可选的实现方式中，对拍摄到的画面进行处理，还可以包括：确定拍摄到的画面中是否包括人脸区域；响应于确定拍摄到的画面中包括人脸区域，对拍摄到的画面中所包括的人脸区域进行处理。
在这些实现方式中，对于每一帧图像，上述执行主体可以首先使用现有的人脸检测算法，确定图像中是否包括人脸区域。若包括人脸区域，上述执行主体可以对所确定的人脸区域提取预设数量个(例如68个)特征点。而后，上述执行主体可以根据所提取到的特征点，分别确定人脸区域中所包括的以下至少一项：脸部轮廓区域，眼睛区域，鼻子区域，嘴唇区域。进一步，上述执行主体可以对上述人脸区域包括的各种区域所包括的像素点的坐标进行修改，实现对这些的区域的放大或者缩小。需要说明的是，可以通过设置不同的参数，实现上述区域的不同程度的放大或缩小。实践中，可以根据用户的操作，确定对这些区域的放大或缩小的程度。
步骤405，将目标音频数据转换成模拟数据以进行播放。
步骤406，响应于确定播放完毕，对所连接的麦克风采集到的音频数据和目标音频数据进行处理，生成第二音频文件。
上述步骤405-406的具体处理及其所带来的技术效果可以参考图2对应的实施例中的步骤203-204，在此不再赘述。
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于生成音频文件的方法的流程400体现了显示所连接的摄像头拍摄到的画面的步骤，以及对拍摄到的画面进行处理的步骤。由此，本实施例描述的方案可以在生成第二音频文件的过程中，显示摄像头拍摄到的画面，以及对所拍摄到的画面进行处理。从而，丰富了音频文件的生成方法。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了用于生成音频文件的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例提供的用于生成音频文件的装置500包括第一获取单元501、第一处理单元502、转换单元503和生成单元504。其中，第一获取单元501，被配置成获取第一音频文件，其中，第一音频文件中包括音频数据和音频信息；第一处理单元502，被配置成基于音频信息，对音频数据进行处理，得到目标音频数据；转换单元503，被配置成将目标音频数据转换成模拟数据以进行播放；生成单元504，被配置成响应于确定播放完毕，对所连接的麦克风采集到的音频数据和目标音频数据进行处理，生成第二音频文件。
在本实施例中，用于生成音频文件的装置500中：第一获取单元501、第一处理单元502、转换单元503和生成单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，音频信息可以包括表征音频数据的编码方式的编码信息；以及第一处理单元501可以被进一步配置成：基于编码信息，对音频数据进行解码；对解码后的音频数据进行截取，得到目标音频数据。
在本实施例的一些可选的实现方式中，装置500还可以包括：第二获取单元(图中未示出)和展示单元(图中未示出)。其中，第二获取单元可以被配置成获取与第一音频文件对应的文本。展示单元可以被配置成展示文本中的满足预设条件的内容。
在本实施例的一些可选的实现方式中，文本中可以包括时间标识信息；以及装置500还可以包括：划分单元(图中未示出)和更新单元(图中未示出)。其中，划分单元可以被配置成基于时间标识信息，将文本中的满足预设条件的内容之外的内容划分成待展示内容序列。更新单元可以被配置成对于待展示内容序列中的待展示内容，基于该待展示内容更新当前展示的内容。
在本实施例的一些可选的实现方式中，装置500还可以包括以下至少一项：第一调节单元(图中未示出)和第二调节单元(图中未示出)。其中，第一调节单元可以被配置成调节目标音频数据的幅值。第二调节单元可以被配置成调节目标音频数据的频率值。
在本实施例的一些可选的实现方式中，上述转换单元503可以被进一步配置成：响应于确定已连接耳机，基于目标音频数据和所连接的麦克风采集到的音频数据，进行播放。
在本实施例的一些可选的实现方式中，装置500还可以包括：显示单元(图中未示出)和第二处理单元(图中未示出)。其中，显示单元可以被配置成显示所连接的摄像头拍摄到的画面。第二处理单元可以被配置成对拍摄到的画面进行处理。
在本实施例的一些可选的实现方式中，第二处理单元可以被进一步配置成：确定拍摄到的画面中是否包括人脸区域；响应于确定拍摄到的画面中包括人脸区域，对拍摄到的画面中所包括的人脸区域进行处理。
本公开的上述实施例提供的装置，首先，通过第一获取单元501获取第一音频文件。然后，通过第一处理单元502对第一获取单元501获取到的第一音频文件所包括的音频数据进行处理。而后，转换单元503可以将第一处理单元502处理后的音频数据转换成模拟数据以进行播放。进一步，响应于播放完毕，生成单元504可以对第一处理单元502处理后的音频数据和所连接的麦克风采集到的音频数据进行处理，生成第二音频文件。从而，提供了音频文件的生成方法。
下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的终端设备)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6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。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603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。
通常，以下装置可以连接至I/O接口605：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606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，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。
特别地，根据本公开的实施例，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。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。
需要说明的是，本公开所述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***、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***、装置或者器件使用或者与其结合使用。而在本公开中，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***、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。
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：获取第一音频文件，其中，第一音频文件中包括音频数据和音频信息；基于音频信息，对音频数据进行处理，得到目标音频数据；将目标音频数据转换成模拟数据以进行播放；响应于确定播放完毕，对所连接的麦克风采集到的音频数据和目标音频数据进行处理，生成第二音频文件。
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操作的计算机程序代码，所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)。
附图中的流程图和框图，图示了按照本公开的各种实施例的***、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***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到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。其中，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，第一获取单元还可以被描述为“获取第一音频文件的单元”。
以上描述仅为本公开的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，本公开中所涉及的公开范围，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公开构思的情况下，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。

Claims (18)

1.一种用于生成音频文件的方法，包括：
获取第一音频文件，其中，所述第一音频文件中包括音频数据和音频信息；
基于所述音频信息，对所述音频数据进行处理，得到目标音频数据；
将所述目标音频数据转换成模拟数据以进行播放；
响应于确定播放完毕，对所连接的麦克风采集到的音频数据和所述目标音频数据进行处理，生成第二音频文件。
2.根据权利要求1所述的方法，其中，所述音频信息包括表征所述音频数据的编码方式的编码信息；以及
所述基于所述音频信息，对所述音频数据进行处理，得到目标音频数据，包括：
基于所述编码信息，对所述音频数据进行解码；
对解码后的音频数据进行截取，得到目标音频数据。
3.根据权利要求1所述的方法，其中，在所述将所述目标音频数据转换成模拟数据以进行播放之前，所述方法还包括：
获取与所述第一音频文件对应的文本；
展示所述文本中的满足预设条件的内容。
4.根据权利要求3所述的方法，其中，所述文本中包括时间标识信息；以及
在所述将所述目标音频数据转换成模拟数据以进行播放之后，所述方法还包括：
基于所述时间标识信息，将所述文本中的满足预设条件的内容之外的内容划分成待展示内容序列；
对于所述待展示内容序列中的待展示内容，基于该待展示内容更新当前展示的内容。
5.根据权利要求1-4中任一所述的方法，其中，所述方法还包括以下至少一项：
调节所述目标音频数据的幅值；调节所述目标音频数据的频率值。
6.根据权利要求1-4中任一所述的方法，其中，所述将所述目标音频数据转换成模拟数据以进行播放，包括：
响应于确定已连接耳机，基于所述目标音频数据和所连接的麦克风采集到的音频数据，进行播放。
7.根据权利要求1-4中任一所述的方法，其中，在所述将所述目标音频数据转换成模拟数据以进行播放之前，所述方法还包括：
显示所连接的摄像头拍摄到的画面；
对所述拍摄到的画面进行处理。
8.根据权利要求7所述的方法，其中，所述对所述拍摄到的画面进行处理，包括：
确定所述拍摄到的画面中是否包括人脸区域；
响应于确定所述拍摄到的画面中包括人脸区域，对所述拍摄到的画面中所包括的人脸区域进行处理。
9.一种用于生成音频文件的装置，包括：
第一获取单元，被配置成获取第一音频文件，其中，所述第一音频文件中包括音频数据和音频信息；
第一处理单元，被配置成基于所述音频信息，对所述音频数据进行处理，得到目标音频数据；
转换单元，被配置成将所述目标音频数据转换成模拟数据以进行播放；
生成单元，被配置成响应于确定播放完毕，对所连接的麦克风采集到的音频数据和所述目标音频数据进行处理，生成第二音频文件。
10.根据权利要求9所述的装置，其中，所述音频信息包括表征所述音频数据的编码方式的编码信息；以及
所述第一处理单元进一步被配置成：
基于所述编码信息，对所述音频数据进行解码；
对解码后的音频数据进行截取，得到目标音频数据。
11.根据权利要求9所述的装置，其中，所述装置还包括：
第二获取单元，被配置成获取与所述第一音频文件对应的文本；
展示单元，被配置成展示所述文本中的满足预设条件的内容。
12.根据权利要求11所述的装置，其中，所述文本中包括时间标识信息；以及
所述装置还包括：
划分单元，被配置成基于所述时间标识信息，将所述文本中的满足预设条件的内容之外的内容划分成待展示内容序列；
更新单元，被配置成对于所述待展示内容序列中的待展示内容，基于该待展示内容更新当前展示的内容。
13.根据权利要求9-12中任一所述的装置，其中，所述装置还包括以下至少一项：
第一调节单元，被配置成调节所述目标音频数据的幅值；
第二调节单元，被配置成调节所述目标音频数据的频率值。
14.根据权利要求9-12中任一所述的装置，其中，所述转换单元进一步被配置成：
响应于确定已连接耳机，基于所述目标音频数据和所连接的麦克风采集到的音频数据，进行播放。
15.根据权利要求9-12中任一所述的装置，其中，所述装置还包括：
显示单元，被配置成显示所连接的摄像头拍摄到的画面；
第二处理单元，被配置成对所述拍摄到的画面进行处理。
16.根据权利要求15所述的装置，其中，所述第二处理单元进一步被配置成：
确定所述拍摄到的画面中是否包括人脸区域；
响应于确定所述拍摄到的画面中包括人脸区域，对所述拍摄到的画面中所包括的人脸区域进行处理。
17.一种终端设备，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；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
18.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
CN201811191811.9A 2018-10-12 2018-10-12 用于生成音频文件的方法和装置 Pending CN109285568A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811191811.9A CN109285568A (zh) 2018-10-12 2018-10-12 用于生成音频文件的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811191811.9A CN109285568A (zh) 2018-10-12 2018-10-12 用于生成音频文件的方法和装置

Publications (1)

Publication Number Publication Date
CN109285568A true CN109285568A (zh) 2019-01-29

Family

ID=65177629

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811191811.9A Pending CN109285568A (zh) 2018-10-12 2018-10-12 用于生成音频文件的方法和装置

Country Status (1)

Country Link
CN (1) CN109285568A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110161076A1 (en) * 2009-12-31 2011-06-30 Davis Bruce L Intuitive Computing Methods and Systems
CN104883516A (zh) * 2015-06-05 2015-09-02 福建星网视易信息***有限公司 一种制作实时演唱视频的方法及***
CN105845158A (zh) * 2015-01-12 2016-08-10 腾讯科技（深圳）有限公司 一种信息处理方法及客户端

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110161076A1 (en) * 2009-12-31 2011-06-30 Davis Bruce L Intuitive Computing Methods and Systems
CN105845158A (zh) * 2015-01-12 2016-08-10 腾讯科技（深圳）有限公司 一种信息处理方法及客户端
CN104883516A (zh) * 2015-06-05 2015-09-02 福建星网视易信息***有限公司 一种制作实时演唱视频的方法及***

Similar Documents

Publication Publication Date Title
US11158102B2 (en) Method and apparatus for processing information
CN111599343B (zh) 用于生成音频的方法、装置、设备和介质
CN111916039B (zh) 音乐文件的处理方法、装置、终端及存储介质
CN108648756A (zh) 语音交互方法、装置和***
WO2021197020A1 (zh) 音频处理方法、装置、可读介质及电子设备
CN110288682A (zh) 用于控制三维虚拟人像口型变化的方法和装置
CN110189394A (zh) 口型生成方法、装置及电子设备
CN110534085A (zh) 用于生成信息的方法和装置
CN110035271B (zh) 保真图像生成方法、装置及电子设备
CN113257218B (zh) 语音合成方法、装置、电子设备和存储介质
US11886484B2 (en) Music playing method and apparatus based on user interaction, and device and storage medium
CN109982130A (zh) 一种视频拍摄方法、装置、电子设备及存储介质
CN109767773A (zh) 基于语音交互终端的信息输出方法和装置
CN110312162A (zh) 精选片段处理方法、装置、电子设备及可读介质
CN109495767A (zh) 用于输出信息的方法和装置
CN109815964A (zh) 提取图像的特征图的方法和装置
CN110032978A (zh) 用于处理视频的方法和装置
CN108881928A (zh) 用于发布信息的方法和装置、用于处理信息的方法和装置
CN109949793A (zh) 用于输出信息的方法和装置
CN109830247A (zh) 用于测试通话质量的方法和装置
CN110087122A (zh) 用于处理信息的***、方法和装置
CN108962226A (zh) 用于检测语音的端点的方法和装置
CN110149528A (zh) 一种过程录制方法、装置、***、电子设备、及存储介质
CN109285568A (zh) 用于生成音频文件的方法和装置
CN109871465A (zh) 一种时间轴计算方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190129

RJ01 Rejection of invention patent application after publication