一种基于GAN网络的现场混音方法、装置、设备及介质制造方法及图纸

本申请公开了一种基于GAN网络的现场混音方法、装置、设备及介质，包括：通过收集设备收集现场的音频数据；将所述现场的音频数据输入至预先训练的现场混音模型，并输出现场音频数据的混音结果，其中，所述现场混音模型是基于GAN网络训练生成，所述现场混音模型包括辨别器与生成器。本说明书实施例采用GAN网络和深度学习技术，构建了现场的现场混音模型，与传统声音融合技术相比，采用GAN网络构建的现场混音模型，在没有调音师的情况下也可以很好地合成具有复杂分布的声音，节省人力，并可以提高音频的混音成音的效率。

【技术实现步骤摘要】
一种基于GAN网络的现场混音方法、装置、设备及介质
本申请涉及计算机
，尤其涉及一种基于GAN网络的现场混音方法、装置、设备及介质。
技术介绍
现场直播又称实况转播，是电视台对一些重要新闻事件或大型活动进行现场拾音、拍摄并同时发送给受众的播出方式。这些大型活动如文艺演出、节日庆典等，现场声音通过混音台输出分轨直录的声音，通过成音控台完成现场成音，经过转播车将节目信号传送回台，再广播出去到电视机前观众面前。混音成音的工作由现场调音师来完成，现场包括乐器、人声等三十几个音轨，而最终输出到电视机前只有两个音轨，同时需要消去现场的各种杂音，以达到更好的收看效果，这对现场调音师有很高的要求。现有技术中，若是现场调音师的水平不高，生成得混音效果可能很差。
技术实现思路
有鉴于此，本申请实施例提供了一种基于GAN网络的现场混音方法、装置、设备及介质，用于解决现有技术中，若是现场调音师的水平不高，生成得混音效果可能很差的问题。本申请实施例采用下述技术方案：本申请实施例提供一种基于GAN网络的现场混音方法，所述方法包括：本文档来自技高网...

【技术保护点】
1.一种基于GAN网络的现场混音方法，其特征在于，所述方法包括：/n通过收集设备收集现场的音频数据；/n将所述现场的音频数据输入至预先训练的现场混音模型，并输出现场音频数据的混音结果，其中，所述现场混音模型是基于GAN网络训练生成，所述现场混音模型包括辨别器与生成器。/n

【技术特征摘要】
1.一种基于GAN网络的现场混音方法，其特征在于，所述方法包括：
通过收集设备收集现场的音频数据；
将所述现场的音频数据输入至预先训练的现场混音模型，并输出现场音频数据的混音结果，其中，所述现场混音模型是基于GAN网络训练生成，所述现场混音模型包括辨别器与生成器。


2.根据权利要求1所述的基于GAN网络的现场混音方法，其特征在于，所述将所述现场的音频输入至预先训练的现场混音模型之前，所述方法还包括：
通过收集设备收集样本集，其中，所述样本集包括多个现场的音频数据与多个混音后的音频数据；
建立初始的现场混音模型，其中，所述初始的现场混音模型包括初始的辨别器与初始的生成器；
根据所述样本集训练初始的现场混音模型，确定出最终的现场混音模型。


3.根据权利要求2所述的基于GAN网络的现场混音方法，其特征在于，所述通过收集设备收集样本集之后，所述方法还包括：
根据预先设定的时间间隔，对所述样本集中的多个现场的音频数据与多个混音后的音频数据进行分割，确定出多个样本数据；
所述根据所述样本集训练初始的现场混音模型，确定出最终的现场混音模型，具体包括：
根据所述样本集中的多个样本数据训练初始的现场混音模型，确定出最终的现场混音模型。


4.根据权利要求2所述的基于GAN网络的现场混音方法，其特征在于，所述根据所述样本集训练初始的现场混音模型，确定出最终的现场混音模型，具体包括：
固定所述初始的辨别器的网络参数，通过所述样本集训练所述初始的生成器，确定出所述初始的生成器的网络参数，以便所述初始的辨别器无法区分混音后的音频数据来自训练后的生成器，还是来自真实的音频数据；
固定训练后生成器的网络参数，通过所述样本集训练所述初始的辨别器，确定出所述初始的辨别器的网络参数，以便训练后的辨别器可以区分是真实的音轨数据与训练后生成器生成的音轨数据，其中，所述音轨数据来自不同音频输入设备产生的音频数据；
交替训练所述初始的辨别器与所述初始的生成器，得到最终的现场混音模型。


5.根据权利要求2所述的基于GAN网络的现场混音方法，其特征在于，所述根据所述样本集训练初始的现场混音模型，确定出最终的现场混音模型之后，所述方法还包括：
通过收集设备收集现场的音频数据，根据所述最终的现场混音模型的生成器，确定出现场音频数据的...

【专利技术属性】
技术研发人员：孙善宝，罗清彩，谭强，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：山东;37