音量调节方法、装置、电子设备以及存储介质与流程

本申请涉及数据处理技术领域中的语音识别技术，尤其涉及一种音量调节方法、装置、电子设备以及存储介质。

背景技术：

目前，随着视频制作的兴起，人们常常需要对视频中的音频进行再创造，例如，在音频的原声中增加新音频，如用于解说的音频或者搞笑的音频，形成新的混合音频进行播放。

但是，由于音频包括原声音频和后续添加的叠加音频，原声音频和后续添加的叠加音频混合在一起。

技术实现要素：

本公开提供了一种音量调节方法、装置、电子设备以及存储介质。

根据本公开的第一方面，提供了一种音量调节方法，包括：

将包括原声音频和叠加音频的音频数据进行分解，获得所述原声音频和所述叠加音频；

对所述原声音频和/或所述叠加音频的音量进行调节；

执行音频合成操作，以得到目标音频；

其中，在对所述原声音频和所述叠加音频进行音量调节的情况下，所述音频合成操作为将音量调节后的所述原声音频和所述叠加音频进行合并，或者，在对所述原声音频或者所述叠加音频进行音量调节的情况下，所述音频合成操作为将音量调节后的音频与未进行音量调节的音频进行合并。

根据本公开的第二方面，提供了一种音量调节装置，包括：

分解模块，用于将包括原声音频和叠加音频的音频数据进行分解，获得所述原声音频和所述叠加音频；

调节模块，用于对所述原声音频和/或所述叠加音频的音量进行调节；合成模块，用于执行音频合成操作，以得到目标音频，其中，在对所述原声音频和所述叠加音频进行音量调节的情况下，所述音频合成操作为将音量调节后的所述原声音频和所述叠加音频进行合并，或者，在对所述原声音频或者所述叠加音频进行音量调节的情况下，所述音频合成操作为将音量调节后的音频与未进行音量调节的音频进行合并。

根据本公开的第三方面，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第一方面任一项所述的方法。

根据本公开的第四方面，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，所述计算机指令用于使所述计算机执行第一方面任一项所述的方法。

本申请的技术解决了对音频的音量调节缺乏灵活性的问题，通过将包括原声音频和叠加音频的音频数据进行分解，获得所述原声音频和所述叠加音频；对所述原声音频和/或所述叠加音频的音量进行调节；执行音频合成操作，以得到目标音频，可以对原声音频和叠加音频中的至少一项进行音量调节，提高了对音频数据进行音量调节的灵活性，可满足用户更多个性化的需求。

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

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请实施例提供的音量调节方法的流程图；

图2是本申请实施例提供的音量调节界面示意图；

图3是本申请提供的音量调节方法的另一流程图；

图4是本申请实施例提供的音量调节装置的结构图；

图5是用来实现本申请实施例的音量调节方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。

参见图1，图1是本申请实施例提供的音量调节方法的流程图，如图1所示，本实施例提供一种音量调节方法，应用于电子设备，包括以下步骤：

步骤101、将包括原声音频和叠加音频的音频数据进行分解，获得所述原声音频和所述叠加音频。

音频数据包括原声音频和叠加音频，所述原声音频可理解为首次获取到的初始音频，叠加音频为对所述原声音频进行再处理时合并到所述原声音频中的音频，叠加音频可为解说音频或者音效音频等等。

音频数据中原声音频和叠加音频合并在一起，在本步骤中，通过对音频数据进行分解，可将音频数据中的原声音频和叠加音频分开，分别获得原声音频和叠加音频。

步骤102、对所述原声音频和/或所述叠加音频的音量进行调节。

在获得原声音频和叠加音频之后，可分别对原声音频和叠加音频中的至少一项进行音量调节，例如，仅调节原声音频的音量、或仅调节叠加音频的音量、或者调节原声音频和叠加音频两者的音量。当原声音频的音量为零时，原声音频为静音状态；当叠加音频的音量为零时，叠加音频为静音状态。

步骤103、执行音频合成操作，以得到目标音频；其中，在对所述原声音频和所述叠加音频进行音量调节的情况下，所述音频合成操作为将音量调节后的所述原声音频和所述叠加音频进行合并，或者，在对所述原声音频或者所述叠加音频进行音量调节的情况下，所述音频合成操作为将音量调节后的音频与未进行音量调节的音频进行合并。

若对原声音频和叠加音频均进行音量调节，则将调节后的原声音频和调节后的叠加音频进行合并，获得目标音频；若对原声音频进行音量调节，则将调节后的原声音频和未调节的叠加音频进行合并，获得目标音频；若对叠加音频进行音量调节，则将调节后的叠加音频和未调节的原声音频进行合并，获得目标音频。

本实施例中，通过将包括原声音频和叠加音频的音频数据进行分解，获得所述原声音频和所述叠加音频；对所述原声音频和/或所述叠加音频的音量进行调节；执行音频合成操作，以得到目标音频；其中，在对所述原声音频和所述叠加音频进行音量调节的情况下，所述音频合成操作为将音量调节后的所述原声音频和所述叠加音频进行合并，或者，在对所述原声音频或者所述叠加音频进行音量调节的情况下，所述音频合成操作为将音量调节后的音频与未进行音量调节的音频进行合并。这样，可以对原声音频和叠加音频中的至少一项进行音量调节，提高了对音频数据进行音量调节的灵活性，可满足用户更多个性化的需求。

在本申请一个实施例中，在步骤102、所述对所述原声音频和/或所述叠加音频的音量进行调节之前，还包括：

显示音量调节界面；

接收针对所述音量调节界面的输入操作，获得第一音量值和/或第二音量值；

步骤102、对所述原声音频和/或所述叠加音频的音量进行调节，包括：

根据所述第一音量值，调整所述原声音频的音量；

和/或，根据所述第二音量值，调整所述叠加音频的音量。

具体的，在电子设备的显示屏上显示音量调节界面，音量调节界面可包括用于调整原声音频的第一控件和用于调整叠加音频的第二控件。第一控件可为滑动控件、或者文本框等等。用户可通过移动滑动控件上的按钮来输入第一音量值，或者向文本框输入第一音量值。同样的，第二控件可为滑动控件、或者文本框等等。用户可通过移动滑动控件上的按钮来输入第二音量值，或者向文本框输入第二音量值。如图2所示，图2中第一控件和第二控件均为滑动控件，即用户可通过移动滑动控件上的按钮来输入第一音量值和第二音量值，图2中第一音量值为50，第二音量值为30。

针对所述音量调节界面的输入操作，可以理解为对第一控件和/或第二控件的输入操作，输入操作可为拖动输入或者语音输入等等，在此不做限定。电子设备通过输入操作，可获得第一音量值和/或第二音量值，然后根据所述第一音量值，调整所述原声音频的音量，和/或，根据所述第二音量值，调整所述叠加音频的音量。

本实施例中，通过显示音量调节界面，接收针对所述音量调节界面的输入操作，获得第一音量值和/或第二音量值，然后根据所述第一音量值，调整所述原声音频的音量；和/或，根据所述第二音量值，调整所述叠加音频的音量，最后执行音频合成操作，以得到目标音频。本实施例可基于用户输入操作来分别对音频数据中的原声音频和叠加音频的音量进行调整，提高了对音频数据进行音量调节的灵活性，可满足用户更多个性化的需求。

在本申请一个实施例中，所述将包括原声音频和叠加音频的音频数据进行分解，获得所述原声音频和所述叠加音频，包括：

将包括所述原声音频和所述叠加音频的音频数据通过所述分解模型进行分解，获得所述原声音频和所述叠加音频，其中，所述分解模型基于标记的样本音频数据训练获得。

本实施例中，通过对神经网络模型进行训练来获得分解模型，然后利用分解模型对音频数据进行分解，获得所述原声音频和所述叠加音频。分解模型的获取过程可为：获取样本音频数据；对所述样本音频数据进行标记；根据所述标记后的样本音频数据，对所述神经网络模型进行训练，获得所述分解模型。分解模型的训练过程可在电子设备之外的其他设备上进行，也可以在电子设备上进行，在此不做限定。神经网络模型可为神经网络模型。

本实施例中，将音频数据输入至分解模型中，由分解模型对音频数据进行分解，获得原声音频和叠加音频，便于分别对原声音频和叠加音频进行音量调整，提高对音频数据进行音量调节的灵活性，可满足用户更多个性化的需求。

在本申请一个实施例中，所述样本音频数据的标记过程包括：对所述样本音频数据中的混合音频段和原声音频段进行标记；其中，所述混合音频段为包括样本原声音频和样本叠加音频的时间段；所述原声音频段为不包括样本叠加音频的时间段。

样本音频数据需要进行标记，可通过人工标记或者机器标记的方式进行标记，在此不做限定。可对样本音频数据中的混合音频段和原声音频段进行标记，所述混合音频段为包括样本原声音频和样本叠加音频的时间段；所述原声音频段为不包括样本叠加音频的时间段。例如，若样本叠加音频为解说音频，样本音频数据的播放时长2分钟，在样本音频数据仅在其播放的第一分钟叠加了解说音频，则混合音频段为样本音频数据播放的第一分钟的时间段，原声音频段为样本音频数据播放的第二分钟的时间段，因此，将样本音频数据播放的第一分钟的时间段标记为混合音频段，将样本音频数据播放的第二分钟的时间段标记为原声音频段。

本实施例中，对样本音频数据的混合音频段和原声音频段进行标记，并采用标记后的样本音频数据对神经网络模型进行训练，获得分解模型，以便后续使用分解模型对音频数据进行分解，获得原声音频和叠加音频，从而分别对原声音频和叠加音频进行音量调整，提高对音频数据进行音量调节的灵活性。

在本申请一个实施例中，在所述将包括原声音频和叠加音频的音频数据进行分解，获得所述原声音频和所述叠加音频之前，还包括：从视频文件中提取所述音频数据。

视频文件包括视频数据和音频数据，视频数据和音频数据对应，即在对视频数据对应的视频进行播放时，会同步播放音频数据对应的音频。所述音频数据的原声音频为所述视频文件的视频数据对应的初始音频，该初始音频未合并叠加音频，所述音频数据的叠加音频为对所述原声音频进行再处理时合并到所述原声音频中的音频。

本实施例中，从视频文件中提取音频数据，然后对音频数据进行分解，获得原声音频和叠加音频，并对原声音频和叠加音频中的至少一项进行音量调节，并执行音频合成操作，得到目标音频。进一步的，可将目标音频替换视频文件中的音频数据进行播放，达到对音频数据进行音量调整的目的，由于可以分别对原声音频和叠加音频进行音量调整，提高了对音频数据进行音量调节的灵活性，用户可根据实际需求对原声音频和叠加音频中的至少一项进行音量调节，满足用户的个性化需求。

如图3所示，以从视频文件中提取音频数据、且叠加音频为解说音频为例进行说明。图3中，从视频文件中提取音频数据，对音频数据进行分解，获得解说音频和原声音频，并基于用户通过电子设备输入的第一音量和第二音量，分别对原声音频和解说音频进行调节，然后将调节后的解说音频和原声音频进行合成，获得目标音频，最后将目标音频同步视频数据输出。

参见图4，图4是本申请实施例提供的音频调节装置的结构图，如图4所示，本实施例提供一种音频调节装置400，包括：

分解模块401，用于将包括原声音频和叠加音频的音频数据进行分解，获得所述原声音频和所述叠加音频；

调节模块402，用于对所述原声音频和/或所述叠加音频的音量进行调节；

合成模块403，用于执行音频合成操作，以得到目标音频，其中，在对所述原声音频和所述叠加音频进行音量调节的情况下，所述音频合成操作为将音量调节后的所述原声音频和所述叠加音频进行合并，或者，在对所述原声音频或者所述叠加音频进行音量调节的情况下，所述音频合成操作为将音量调节后的音频与未进行音量调节的音频进行合并。

在本申请一个实施例中，音频调节装置400还包括：

显示模块，用于显示音量调节界面；

接收输入模块，用于接收针对所述音量调节界面的输入操作，获得第一音量值和/或第二音量值；

所述调节模块，用于：

根据所述第一音量值，调整所述原声音频的音量；

和/或；

根据所述第二音量值，调整所述叠加音频的音量。

在本申请一个实施例中，所述分解模块401，用于：

将包括所述原声音频和所述叠加音频的音频数据通过分解模型进行分解，获得所述原声音频和所述叠加音频；

所述分解模型基于标记的样本音频数据训练获得。

在本申请一个实施例中，所述样本音频数据的标记过程包括：

对所述样本音频数据中的混合音频段和原声音频段进行标记；

所述混合音频段为包括样本原声音频和样本叠加音频的时间段；所述原声音频段为不包括样本叠加音频的时间段。

在本申请一个实施例中，音频调节装置400还包括提取模块，用于从视频文件中提取所述音频数据。

音频调节装置400能够实现图1所示的方法实施例中电子设备实现的各个过程，为避免重复，这里不再赘述。

本申请实施例的音频调节装置400，通过将包括原声音频和叠加音频的音频数据进行分解，获得所述原声音频和所述叠加音频；对所述原声音频和/或所述叠加音频的音量进行调节；执行音频合成操作，以得到目标音频；其中，在对所述原声音频和所述叠加音频进行音量调节的情况下，所述音频合成操作为将音量调节后的所述原声音频和所述叠加音频进行合并，或者，在对所述原声音频或者所述叠加音频进行音量调节的情况下，所述音频合成操作为将音量调节后的音频与未进行音量调节的音频进行合并。这样，可以对原声音频和叠加音频中的至少一项进行音量调节，提高了对音频数据进行音量调节的灵活性，可满足用户更多个性化的需求。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图5所示，是根据本申请实施例的音量调节的方法的电子设备的框图。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/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的音量调节的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的音量调节的方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的音量调节的方法对应的程序指令/模块(例如，附图4中的分解模块401，调节模块402以及合成模块403)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的音量调节的方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据音量调节的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至音量调节的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

音量调节的方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与音量调节的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处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、专用asic(专用集成电路)、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。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

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。

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。

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。

根据本申请实施例的技术方案，通过将包括原声音频和叠加音频的音频数据进行分解，获得所述原声音频和所述叠加音频；对所述原声音频和/或所述叠加音频的音量进行调节；执行音频合成操作，以得到目标音频；其中，在对所述原声音频和所述叠加音频进行音量调节的情况下，所述音频合成操作为将音量调节后的所述原声音频和所述叠加音频进行合并，或者，在对所述原声音频或者所述叠加音频进行音量调节的情况下，所述音频合成操作为将音量调节后的音频与未进行音量调节的音频进行合并。这样，可以对原声音频和叠加音频中的至少一项进行音量调节，提高了对音频数据进行音量调节的灵活性，可满足用户更多个性化的需求。

通过显示音量调节界面，接收针对所述音量调节界面的输入操作，获得第一音量值和/或第二音量值，然后根据所述第一音量值，调整所述原声音频的音量；和/或，根据所述第二音量值，调整所述叠加音频的音量，最后执行音频合成操作，以得到目标音频。本实施例可基于用户输入操作来分别对音频数据中的原声音频和叠加音频的音量进行调整，提高了对音频数据进行音量调节的灵活性，可满足用户更多个性化的需求。

将音频数据输入至分解模型中，由分解模型对音频数据进行分解，获得原声音频和叠加音频，便于分别对原声音频和叠加音频进行音量调整，提高对音频数据进行音量调节的灵活性，可满足用户更多个性化的需求。

对样本音频数据的混合音频段和原声音频段进行标记，并采用标记后的样本音频数据对神经网络模型进行训练，获得分解模型，以便后续使用分解模型对音频数据进行分解，获得原声音频和叠加音频，从而分别对原声音频和叠加音频进行音量调整，提高对音频数据进行音量调节的灵活性。

从视频文件中提取音频数据，然后对音频数据进行分解，获得原声音频和叠加音频，并对原声音频和叠加音频中的至少一项进行音量调节，并执行音频合成操作，得到目标音频。进一步的，可将目标音频替换视频文件中的音频数据进行播放，达到对音频数据进行音量调整的目的，由于可以分别对原声音频和叠加音频进行音量调整，提高了对音频数据进行音量调节的灵活性，用户可根据实际需求对原声音频和叠加音频中的至少一项进行音量调节，满足用户的个性化需求。

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，本发申请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，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除