针对音频数据的数据处理方法、装置、电子设备和介质

摘要

本公开公开了一种针对音频数据的数据处理方法、装置、设备、介质和产品，涉及语音技术、云计算等领域。针对音频数据的数据处理方法包括：响应于来自用户的选择指令，从多个音频数据中选择目标音频数据，其中，目标音频数据包括至少一个音频片段；基于目标音频数据，获取与目标音频数据相关联的文本模板，其中，文本模板指示了与每个音频片段对应的文本数据的属性信息；展示文本模板，以便用户基于文本模板所指示的属性信息输入与每个音频片段相匹配的文本数据。

说明书

技术领域

本公开涉及计算机技术领域，尤其涉及语音技术、云计算领域，更具体地，涉及一种针对音频数据的数据处理方法、针对音频数据的数据处理装置、电子设备、介质和程序产品。

背景技术

用户在创作歌曲时，需要用户非常熟悉曲子的格式，然后通过曲子的格式对照进行填词得到歌词。相关技术中，用户在创作歌词时，对用户的专业程度要求较高，导致创作歌词的门槛较高，创作歌词的效率较低。

发明内容

本公开提供了一种针对音频数据的数据处理方法、装置、电子设备、存储介质以及程序产品。

根据本公开的一方面，提供了一种针对音频数据的数据处理方法，包括：响应于来自用户的选择指令，从多个音频数据中选择目标音频数据，其中，所述目标音频数据包括至少一个音频片段；基于所述目标音频数据，获取与所述目标音频数据相关联的文本模板，其中，所述文本模板指示了与每个音频片段对应的文本数据的属性信息；展示所述文本模板，以便用户基于所述文本模板所指示的属性信息输入与每个音频片段相匹配的文本数据。

根据本公开的另一方面，提供了一种针对音频数据的数据处理装置，包括：选择模块、获取模块以及展示模块。其中，选择模块，用于响应于来自用户的选择指令，从多个音频数据中选择目标音频数据，其中，所述目标音频数据包括至少一个音频片段；获取模块，用于基于所述目标音频数据，获取与所述目标音频数据相关联的文本模板，其中，所述文本模板指示了与每个音频片段对应的文本数据的属性信息；展示模块，用于展示所述文本模板，以便用户基于所述文本模板所指示的属性信息输入与每个音频片段相匹配的文本数据。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和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上述的针对音频数据的数据处理方法。

根据本公开的另一方面，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上述的针对音频数据的数据处理方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述的针对音频数据的数据处理方法。

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，不构成对本公开的限定。其中：

图1示意性示出了根据本公开一实施例的针对音频数据的数据处理方法和装置的系统架构；

图2示意性示出了根据本公开一实施例的针对音频数据的数据处理方法的流程图；

图3示意性示出了根据本公开另一实施例的针对音频数据的数据处理方法的流程图；

图4示意性示出了根据本公开一实施例的获取文本模板的示意图；

图5示意性示出了根据本公开另一实施例的获取文本模板的示意图；

图6示意性示出了根据本公开一实施例的生成提示信息的示意图；

图7示意性示出了根据本公开一实施例的调整区域标识的示意图；

图8示意性示出了根据本公开一实施例的生成歌词文件的示意图；

图9示意性示出了根据本公开一实施例的针对音频数据的数据处理装置的框图；以及

图10是用来实现本公开实施例的用于针对音频数据的数据处理的电子设备的框图。

具体实施方式

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

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

本公开的实施例提供了一种针对音频数据的数据处理方法，包括：响应于来自用户的选择指令，从多个音频数据中选择目标音频数据，目标音频数据包括至少一个音频片段。然后，基于目标音频数据，获取与目标音频数据相关联的文本模板，文本模板指示了与每个音频片段对应的文本数据的属性信息。接下来，展示文本模板，以便用户基于文本模板所指示的属性信息输入与每个音频片段相匹配的文本数据。

图1示意性示出了根据本公开一实施例的针对音频数据的数据处理方法和装置的系统架构。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括客户端101、102、103，网络104和服务器105。网络104用以在客户端101、102、103和服务器105之间提供通信链路的介质。网络104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。

用户可以使用客户端101、102、103通过网络104与服务器105交互，以接收或发送消息等。客户端101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

客户端101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。本公开实施例的客户端101、102、103例如可以运行应用程序。

服务器105可以是提供各种服务的服务器，例如对用户利用客户端101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给客户端。另外，服务器105还可以是云服务器，即服务器105具有云计算功能。

需要说明的是，本公开实施例所提供的针对音频数据的数据处理方法一般可以由客户端101、102、103执行。相应地，本公开实施例所提供的针对音频数据的数据处理装置一般可以设置于客户端101、102、103中。

例如，服务器105可以将多个音频数据发送给客户端101、102、103。用户通过客户端101、102、103从多个音频数据中选择一个音频数据作为目标音频数据。然后，客户端101、102、103将选择结果发送给服务器105，服务器105基于目标音频数据确定与目标音频数据关联的文本模板，并将文本模板发送给客户端101、102、103。或者，服务器105预先将与每个音频数据关联的文本模板发送给客户端101、102、103进行存储，在用户选择目标音频数据之后，客户端101、102、103直接从所存储的文本模板中获取与目标音频数据关联的文本模板。客户端101、102、103获取到文本模板之后，可以展示文本模板，以便用户基于文本模板输入文本数据。

应该理解，图1中的客户端、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客户端、网络和服务器。

本公开实施例提供了一种针对音频数据的数据处理方法，下面结合图1的系统架构，参考图2～图8来描述根据本公开示例性实施方式的针对音频数据的数据处理方法。本公开实施例的针对音频数据的数据处理例如由图1所示的客户端来执行。

图2示意性示出了根据本公开一实施例的针对音频数据的数据处理方法的流程图。

如图2所示，本公开实施例的针对音频数据的数据处理方法200例如可以包括操作S201～操作S203。

在操作S201，响应于来自用户的选择指令，从多个音频数据中选择目标音频数据。

在操作S202，基于目标音频数据，获取与目标音频数据相关联的文本模板。

在操作S203，展示文本模板。

例如，客户端展示多个音频数据，用户可以从展示的多个音频数据中选择感兴趣的音频数据作为目标音频数据。目标音频数据包括至少一个音频片段，用户可以针对每个音频片段创作一个文本数据，文本数据可以是一段字词，一段字词可以是一句话。

在一示例中，客户端例如存储有与多个音频数据一一对应的多个文本模板。在用户选择目标音频数据之后，基于目标音频数据从客户端所存储的多个文本模板中获取与目标音频数据相关联的文本模板。

在另一示例中，服务器例如存储有与多个音频数据一一对应的多个文本模板。在用户选择目标音频数据之后，客户端可以将指示目标音频数据的指示信息发送给服务器，服务器基于指示信息获取与目标音频数据相关联的文本模板，并将该文本模板发送给客户端，从而实现了客户端基于目标音频数据与服务器进行交互来获得与目标音频数据相关联的文本模板。

在本公开的实施例中，文本模板例如可以是客户端或服务器根据音频数据自动生成的模板。例如通过识别模型自动识别音频数据，以将音频数据划分为多个音频片段，并确定每个音频片段对应的文本数据的属性信息，从而得到与音频数据相关联的文本模板。

在本公开的实施例中，针对目标音频数据所包含的多个音频片段，文本模板指示了与每个音频片段对应的文本数据的属性信息。例如，以一个音频片段为例，该音频片段对应的文本数据例如为一段字词，属性信息例如为一段字词的字词类型、字词数量等等。在得到文本模板之后，通过展示文本模板，以便用户基于文本模板所指示的属性信息输入与该音频片段相匹配的文本数据。

根据本公开的实施例，基于用户的选择指令确定目标音频数据，然后获取与目标音频数据相关联的文本模板，并将文本模板展示给用户，使得指示用户根据文本模板输入文本数据。可以理解，通过本公开的实施例，降低了用户创作与目标音频数据关联的文本数据的难度，并提高了用户创作与目标音频数据关联的文本数据的效率。

图3示意性示出了根据本公开另一实施例的针对音频数据的数据处理方法的流程图。

如图3所示，本公开实施例的针对音频数据的数据处理方法300例如可以包括操作S301～操作S312。

在操作S301，响应于来自用户的选择指令，从多个音频数据中选择目标音频数据。

在操作S302，基于目标音频数据，获取与目标音频数据相关联的文本模板。

在操作S303，展示文本模板。

在操作S304，针对至少一个输入区域中的每个输入区域，通过输入区域接收用户输入的针对对应音频片段的文本数据。

例如，文本模板包括至少一个输入区域，目标音频数据包括至少一个音频片段。至少一个输入区域与至少一个音频片段一一对应。在展示文本模板之后，用户可以基于所展示的文本模板输入针对音频片段的文本数据。每个音频片段对应一个文本数据。客户端可以通过至少一个输入区域，接收用户输入的与至少一个音频片段一一对应的至少一个文本数据。

在操作S305，确定用户输入的文本数据中的当前字词的字词数量，并将当前字词的字词数量与预设字词数量进行比较得到比较结果。

本公开实施例的字词例如包括字、单词、数字等等。字例如为中字词，单词例如为英文单词。为了便于说明，本公开实施例主要以字词为“字”进行说明，但应当理解，不排除字词为“单词”或“数字”的情况。

在一示例中，文本数据的属性信息例如包括预设字词数量，预设字词数量例如为5、10、15等等。在通过输入区域接收用户输入的针对每个音频片段的文本数据之后，通过实时确定用户输入的文本数据中的当前字词的字词数量，并将当前字词的字词数量与预设字词数量进行比较得到比较结果。以当前字词为“我们”为例，当前字词的字词数量为2。以当前字词为“追逐我们的梦想”为例，当前字词的字词数量为7。文本数据中的当前字词为在当前时刻用户已输入的字词。

在操作S306，如果比较结果指示了当前字词的字词数量小于预设字词数量，生成第一提示信息。

以一个音频片段为例，与该音频片段相关联的文本数据的预设字词数量例如为10。当接收用户输入与该音频片段对应的文本数据为“追逐我们的梦想”时，该文本数据中的当前字词的字词数量为7。生成的第一提示信息例如为“少3字”，该第一提示信息用于提示用户剩余的字词数量。

在操作S307，如果比较结果指示了当前字词的字词数量等于预设字词数量，生成通过标识。该通过标识用于提示用户输入的文本数据与音频片段匹配。

在操作S308，如果比较结果指示了当前字词的字词数量大于预设字词数量，生成第二提示信息。

以一个音频片段为例，与该音频片段相关联的文本数据的预设字词数量例如为5。当接收用户输入与该音频片段对应的文本数据为“追逐我们的梦想”时，该文本数据中的当前字词的字词数量为7。生成的第二提示信息例如为“多2字”，该第二提示信息用于提示用户超出的字词数量。

另外，针对当前字词中超出预设字词数量的字词，可以调整该字词的显示样式。例如改变该字词的字体颜色、字体大小，以便用户快速定位多余的字词，便于用户删除多余的字词。

在另一示例中，文本数据的属性信息例如还可以包括预设字词类型。

例如，预设字词类型包括中文、英文、数字等等。在用户输入文本数据之前可以显示该预设字词类型，以便用户根据预设字词类型输入字词数据，使得所输入的字词数据的字词类型满足预设字词类型。另外，当用户输入的字词数据中的当前字词的字词类型不满足预设字词类型时，可以生成类型提示信息，以提示用户输入满足预设字词类型的字词数据。

在操作S309，针对用户输入的文本数据中的每个字词，确定字词的尺寸，并基于字词的尺寸，调整该字词所处的输入子区域对应的区域标识。

根据本公开的实施例，文本模板中的每个输入区域例如包括至少一个输入子区域，每个输入子区域用于接收一个字词。文本模板还包括与每个输入子区域对应的区域标识。

在通过输入区域接收用户输入的针对每个音频片段的文本数据之后，可以根据每个字词的尺寸来调整对应的区域标识。每个字词的尺寸例如包括高度或宽度。区域标识例如包括线段、方框等等。

在一示例中，区域标识包括处于输入子区域至少一侧的线段。例如，每个输入子区域对应的区域标识为处于该输入子区域下方的线段。基于位于该输入子区域的字词的尺寸调整线段的尺寸，以使得调整后的线段的尺寸与字词的尺寸相匹配。例如，根据字词的宽度调整线段的长度，使得线段的长度和字词的宽度相匹配。

在本公开的实施例中，为每个输入子区域设置对应的区域标识，以提示用户针对每个音频片段需要输入的字词数量。另外，基于输入的字词的尺寸来实时调整区域标识，提高了文本模板的针对性，提高了文本模板和文本数据的匹配性。

在操作S310，基于与至少一个音频片段相匹配的至少一个文本数据，生成针对目标音频数据的歌词文件。

在操作S311，接收用户基于歌词文件生成的语音。

在操作S312，将语音和背景音乐进行合成处理，生成歌曲文件。

根据本公开实施例，在通过输入区域接收用户输入的针对至少一个音频片段的至少一个文本数据之后，基于至少一个文本数据生成针对目标音频数据的歌词文件。每个文本数据例如为一句歌词。然后，展示该歌词文件，以便用户根据歌词文件进行录音。例如，用户可以朗读该歌词文件中的字词。

示例性地，目标音频数据例如为背景音乐。在获取用户针对歌词文件的录音得到针对该歌词文件的语音之后，将背景音乐和语音进行合成，得到歌曲文件。

在本公开实施例中，通过将用户基于文本模板输入的文本数据自动生成歌词文本，以便将歌词文件展示给用户进行录音。然后，接收用户的录音得到针对目标音频数据的语音，将语音和目标音频数据(背景音乐)进行合成得到歌曲文件。可见，通过本公开的实施例，降低了歌曲创作的难度，提高了歌曲创作的效率。

图4示意性示出了根据本公开一实施例的获取文本模板的示意图。

如图4所示，以音频数据为背景音乐为例。客户端展示背景音乐列表410，背景音乐列表410包括多个背景音乐。当用户从多个背景音乐中选择“背景音乐A”之后，获取与“背景音乐A”相关联的文本模板420，并展示文本模板420。

文本模板402例如包括多个输入区域，图4中的每个虚线框所包围的区域例如为一个输入区域。针对每个输入区域，文本模板420还指示了该输入区域需要接收的文本数据的属性信息，属性信息例如包括预设字词数量。

以一个输入区域421为例，与该输入区域421对应的预设字词数量例如为10，表示该输入区域421需要接收的文本数据的字词数量为10。即，该输入区域421可以接收字数为10的一句歌词。

图5示意性示出了根据本公开另一实施例的获取文本模板的示意图。

如图5所示，以音频数据为背景音乐为例。客户端展示背景音乐列表510，背景音乐列表510包括多个背景音乐。当用户从多个背景音乐中选择“背景音乐A”之后，获取与“背景音乐A”相关联的文本模板520，并展示文本模板520。

文本模板520例如包括多个输入区域521、522、523、524。文本模板520还包括区域标识，区域标识例如为输入区域下方的线段。针对每个输入区域，文本模板520还指示了该输入区域需要接收的文本数据的属性信息，属性信息例如包括预设字词数量。

以一个输入区域521为例，与该输入区域521对应的预设字词数量例如与该输入区域521下方的线段数量一致。例如，输入区域521下方的线段数量为9，与该输入区域521对应的预设字词数量为9。该输入区域521需要接收的文本数据的字词数量9，即，该输入区域521可以接收字数为9的一句歌词，所接收的每个字显示在每个线段的上方。

例如，每个输入区域包括多个输入子区域，每个输入子区域对应一个线段。以输入区域521为例，输入区域521包括输入子区域521a、输入子区域521b、输入子区域521c等等。每个输入子区域下方对应一个线段，每个子区域用于接收一个字。通过线段的数量可以得知每个输入区域能够接收的字词数量。

图6示意性示出了根据本公开一实施例的生成提示信息的示意图。

如图6所示，以针对一个音频片段对应的文本数据为例，针对该文本数据的预设字词数量例如为5。

在一示例中，针对文本模板610，当用户输入的文本数据中当前文本的字词数量为3时，生成第一提示信息611。第一提示信息611例如包括“少2字”，该第一提示信息611用于提示用户针对该音频片段还需要输入2个字。

在另一示例中，针对文本模板620，当用户输入的文本数据中当前文本的字词数量为5时，生成通过标识621。该通过标识621用于提示用户输入的针对音频片段的字词数量满足要求。

在另一示例中，针对文本模板630，当用户输入的文本数据中当前文本的字词数量为6时，生成第二提示信息631。第二提示信息631例如包括“多1字”，该第二提示信息631用于提示用户针对该音频片段还需要删除1个字。

图7示意性示出了根据本公开一实施例的调整区域标识的示意图。

如图7所示，针对文本模板710，每个输入子区域用于接收一个字词。每个输入子区域下方具有区域标识，区域标识例如为线段。当输入子区域接收用户输入的字词之后，根据字词的尺寸调整线段的尺寸。例如根据字词的宽度调整线段的长度。

例如，针对文本模板720，当输入的字词为“我”时，根据“我”的宽度调整下方的线段长度，以使得线段长度和字词宽度匹配。当输入的字词为“1”时，根据“1”的宽度减小下方的线段长度。当输入的字词为“Hello”时，根据“Hello”的宽度增加下方的线段长度。

图8示意性示出了根据本公开一实施例的生成歌词文件的示意图。

如图8所示，根据用户输入的与多个音频片段对应的多个文本数据，生成歌词文件810，并展示该歌词文件810，便于用户根据歌词文件810进行录音。然后，根据用户的录音获取语音，并将语音和背景音乐合成歌曲文件。

图9示意性示出了根据本公开一实施例的针对音频数据的数据处理装置的框图。

如图9所示，本公开实施例的针对音频数据的数据处理装置900例如包括选择模块910、获取模块920以及展示模块930。

选择模块910可以用于响应于来自用户的选择指令，从多个音频数据中选择目标音频数据，目标音频数据包括至少一个音频片段。根据本公开实施例，选择模块910例如可以执行上文参考图2描述的操作S201，在此不再赘述。

获取模块920可以用于基于目标音频数据，获取与目标音频数据相关联的文本模板，文本模板指示了与每个音频片段对应的文本数据的属性信息。根据本公开实施例，获取模块920例如可以执行上文参考图2描述的操作S202，在此不再赘述。

展示模块930可以用于展示文本模板，以便用户基于文本模板所指示的属性信息输入与每个音频片段相匹配的文本数据。根据本公开实施例，展示模块930例如可以执行上文参考图2描述的操作S203，在此不再赘述。

根据本公开的实施例，文本模板包括至少一个输入区域，至少一个输入区域与至少一个音频片段一一对应。装置900还可以包括第一接收模块，在展示文本模板之后：第一接收模块用于针对至少一个输入区域中的每个输入区域，通过输入区域接收用户输入的针对对应音频片段的文本数据。

根据本公开的实施例，文本数据的属性信息包括预设字词数量。装置900还可以包括第一确定模块和第一生成模块，在通过输入区域接收用户输入的针对对应音频片段的文本数据之后：第一确定模块用于确定用户输入的文本数据中的当前字词的字词数量，第一生成模块用于响应于当前字词的字词数量小于预设字词数量，生成第一提示信息，第一提示信息用于提示用户剩余的字词数量。

根据本公开的实施例，装置900还可以包括第二生成模块和第一调整模块。第二生成模块，用于响应于当前字词的字词数量大于预设字词数量，生成第二提示信息，其中，第二提示信息用于提示用户超出的字词数量。第一调整模块，用于调整当前字词中超出预设字词数量的字词的显示样式。

根据本公开的实施例，每个输入区域包括至少一个输入子区域，每个输入子区域用于接收一个字词；文本模板还包括与每个输入子区域对应的区域标识。装置900还可以包括第二确定模块和第二调整模块，在通过输入区域接收用户输入的针对对应音频片段的文本数据之后：第二确定模块用于针对用户输入的文本数据中的每个字词，确定字词的尺寸，第二调整模块用于基于字词的尺寸，调整字词所处的输入子区域对应的区域标识。

根据本公开的实施例，区域标识包括处于输入子区域至少一侧的线段。第二调整模块还用于：基于字词的尺寸，调整线段的尺寸，以使得调整后的线段的尺寸与字词的尺寸相匹配。

根据本公开的实施例，装置900还可以包括第三生成模块，在通过输入区域接收用户输入的针对对应音频片段的文本数据之后：第三生成模块用于基于与至少一个音频片段相匹配的至少一个文本数据，生成针对目标音频数据的歌词文件。

根据本公开的实施例，目标音频数据包括背景音乐。装置900还可以包括：第二接收模块和第四生成模块。第二接收模块用于接收用户基于歌词文件生成的语音，第四生成模块用于将语音和背景音乐进行合成处理，生成歌曲文件。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图10是用来实现本公开实施例的用于针对音频数据的数据处理的电子设备的框图。

图10示出了可以用来实施本公开实施例的示例电子设备1000的示意性框图。电子设备1000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/或者要求的本公开的实现。

如图10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。

设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如针对音频数据的数据处理方法。例如，在一些实施例中，针对音频数据的数据处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的针对音频数据的数据处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行针对音频数据的数据处理方法。

本文中以上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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

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。

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，本公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。