本公開涉及音頻處理，尤其涉及一種音頻處理方法、裝置、設備及介質(zhì)。
背景技術(shù)：
1、在音視頻會議、實時通訊設備等應用場景中，噪聲干擾都會對用戶體驗產(chǎn)生負面影響。音頻降噪是一種旨在減少或消除音頻中的背景噪音，以提高音頻質(zhì)量的技術(shù)，尤其對嘈雜環(huán)境中提高語音清晰度起著非常重要的作用。
技術(shù)實現(xiàn)思路
1、有鑒于此，本公開提供了一種音頻處理方法、裝置、設備及介質(zhì)。
2、根據(jù)本公開的第一個方面，提供了一種音頻處理方法，包括：獲得第一音頻，第一音頻包括同一場景下多個對象產(chǎn)生的第一聲音；基于第一音頻和音頻生成模型生成第二音頻，第二音頻包括與多個對象中目標對象對應的第二聲音，第二聲音的音頻特征與目標對象產(chǎn)生的第一聲音的音頻特征對應；根據(jù)第二音頻對第一音頻進行處理，得到目標音頻，目標音頻包括目標對象產(chǎn)生的第一聲音。
3、根據(jù)本公開的實施例，基于第一音頻和音頻生成模型生成第二音頻包括：從第一音頻中提取目標對象的音頻特征和文本內(nèi)容；通過音頻生成模型生成與目標對象的音頻特征對應的第二音頻，第二音頻的內(nèi)容包括文本內(nèi)容。
4、根據(jù)本公開的實施例，從第一音頻中提取目標對象的音頻特征和文本內(nèi)容之前，方法還包括：獲得位置信息，位置信息用于指示多個對象中每個對象所處的位置；根據(jù)每個對象所處的位置確定至少一個對象為目標對象。
5、根據(jù)本公開的實施例，基于第一音頻和音頻生成模型生成第二音頻包括：從第一音頻中提取與目標對象對應的文本內(nèi)容；通過音頻生成模型生成與目標音頻特征對應的第二音頻，第二音頻的內(nèi)容包括文本內(nèi)容，目標音頻特征與目標對象產(chǎn)生的第一聲音的音頻特征對應。
6、根據(jù)本公開的實施例，從第一音頻中提取與目標對象對應的文本內(nèi)容之前，方法還包括：獲得多個對象中每個對象的音頻特征；確定每個對象的音頻特征與目標音頻特征的相似度；根據(jù)相似度確定至少一個對象為目標對象。
7、根據(jù)本公開的實施例，根據(jù)第二音頻對第一音頻進行處理，得到目標音頻包括：根據(jù)第一音頻和第二音頻，確定第三音頻，第三音頻為第一音頻和第二音頻之間的差異部分；去除第一音頻中與第三音頻中相同的部分，得到目標音頻。
8、根據(jù)本公開的實施例，根據(jù)第二音頻對第一音頻進行處理，得到目標音頻包括：提取第一音頻中與第二音頻中相同的部分，得到目標音頻。
9、本公開的第二方面提供了一種音頻處理裝置，包括：獲得模塊，用于獲得第一音頻，第一音頻包括同一場景下多個對象產(chǎn)生的第一聲音；生成模塊，用于基于第一音頻和音頻生成模型生成第二音頻，第二音頻包括與多個對象中目標對象對應的第二聲音，第二聲音的音頻特征與目標對象產(chǎn)生的第一聲音的音頻特征對應；處理模塊，用于根據(jù)第二音頻對第一音頻進行處理，得到目標音頻，目標音頻包括目標對象產(chǎn)生的第一聲音。
10、本公開的第三方面提供了一種電子設備，包括：一個或多個處理器；存儲器，用于存儲一個或多個程序，所述一個或多個處理器執(zhí)行所述一個或多個計算機程序以實現(xiàn)：獲得第一音頻，所述第一音頻包括同一場景下多個對象產(chǎn)生的第一聲音；基于所述第一音頻和音頻生成模型生成第二音頻，所述第二音頻包括與所述多個對象中目標對象對應的第二聲音，所述第二聲音的音頻特征與所述目標對象產(chǎn)生的第一聲音的音頻特征對應；根據(jù)所述第二音頻對所述第一音頻進行處理，得到目標音頻，所述目標音頻包括所述目標對象產(chǎn)生的第一聲音。
11、本公開的第四方面還提供了一種計算機可讀存儲介質(zhì)，其上存儲有可執(zhí)行指令，所述計算機程序或指令被處理器執(zhí)行時實現(xiàn)：獲得第一音頻，所述第一音頻包括同一場景下多個對象產(chǎn)生的第一聲音；基于所述第一音頻和音頻生成模型生成第二音頻，所述第二音頻包括與所述多個對象中目標對象對應的第二聲音，所述第二聲音的音頻特征與所述目標對象產(chǎn)生的第一聲音的音頻特征對應；根據(jù)所述第二音頻對所述第一音頻進行處理，得到目標音頻，所述目標音頻包括所述目標對象產(chǎn)生的第一聲音。
12、本公開的第五方面還提供了一種計算機程序產(chǎn)品，包括計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)上述音頻處理方法。
13、應當理解，本部分所描述的內(nèi)容并非旨在標識本公開的實施例的關(guān)鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。
1.一種音頻處理方法，包括：
2.根據(jù)權(quán)利要求1所述的方法，基于所述第一音頻和音頻生成模型生成第二音頻包括：
3.根據(jù)權(quán)利要求2所述的方法，從所述第一音頻中提取所述目標對象的音頻特征和文本內(nèi)容之前，所述方法還包括：
4.根據(jù)權(quán)利要求1所述的方法，基于所述第一音頻和音頻生成模型生成第二音頻包括：
5.根據(jù)權(quán)利要求4所述的方法，從第一音頻中提取與所述目標對象對應的文本內(nèi)容之前，所述方法還包括：
6.根據(jù)權(quán)利要求1-5中任一項所述的方法，根據(jù)所述第二音頻對所述第一音頻進行處理，得到目標音頻包括：
7.根據(jù)權(quán)利要求1-5中任一項所述的方法，根據(jù)所述第二音頻對所述第一音頻進行處理，得到目標音頻包括：
8.一種音頻處理裝置，包括：
9.一種電子設備，包括：
10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序或指令，其特征在于，所述計算機程序或指令被處理器執(zhí)行時實現(xiàn)：獲得第一音頻，所述第一音頻包括同一場景下多個對象產(chǎn)生的第一聲音；基于所述第一音頻和音頻生成模型生成第二音頻，所述第二音頻包括與所述多個對象中目標對象對應的第二聲音，所述第二聲音的音頻特征與所述目標對象產(chǎn)生的第一聲音的音頻特征對應；根據(jù)所述第二音頻對所述第一音頻進行處理，得到目標音頻，所述目標音頻包括所述目標對象產(chǎn)生的第一聲音。